计算机视觉中的多视图几何，中文版，旨在根据若干福世界景物的图像求得对真实世界景物结构的理解．

人工智能-计算机视觉领域的经典实验 基于Python+OpenCV，实现了图像特征点匹配、全景图像的拼接与融合

LabVIEW视觉图像采集vi---USB摄像头可直接使用，附带讲解说明，无需积分下载

针对人工检测编织袋缺陷的正确率低与效率较低的问题,提出一种高效的在线检测编织袋缺陷方法。该方法在线采集编织袋图像并进行图像处理,消除干扰项,准确检测编织袋的缺陷。使用均值滤波器、灰度开闭操作对图像进行预处理,消除图像中干扰缺陷检测的黑白条纹与灰度不均匀,降低噪声。使用差分图像二值化对图像进行背景分割,提取出孔洞缺陷、拉丝缺陷,以及过大的丝线缝隙、褶皱和黑色物。同时,进行开闭运算处理,将断裂的缺陷连接起来并消除过大的丝线缝隙,避免小缺陷的漏检。利用特征提取与缺陷检测消除褶皱和黑色物的干扰,检测出孔洞和拉丝缺陷。实验结果表明,500个试样检测的平均正确检测率达到97.20%,检测效率为720 m/h,检测结果正确率高,效率高。

基于matlab实现各种复杂图像处理技术：绝对误差和算法（SAD）找图像异同、频域滤波和空域滤波进行图像去噪、均值滤波去噪、维纳滤波器进行图像复原、sobel算子进行边缘检测、Hough变化进行图像校正，包含完整算法程序及图像处理结果

如果需要检测到图像里面的边缘，首先我们需要知道边缘处具有什么特征。对于一幅灰度图像来说，边缘两边的灰度值肯定不相同，这样我们才能分辨出哪里是边缘，哪里不是。因此，如果我们需要检测一个灰度图像的边缘，我们需要找出哪里的灰度变化最大。显然，灰度变化越大，对比度越强，边缘就越明显。那么问题来了，我们怎么知道哪里灰度变化大，哪里灰度变化小呢？在数学中，与变化率有关的就是导数。如果灰度图像的像素是连续的(实际不是)，那么我们可以分别原图像G对x方向和y方向求导数，获得x方向的导数图像Gx和y方向的导数图像Gy。Gx和Gy分别隐含了x和y方向的灰度变化信息，也就隐含了边缘信息。如果要在同一图像上包含两个方

“Towards Robust Vision Transformer” 论文的学习笔记 ViT模型存在的问题 RVT模型与RVT*模型设计规则 CAM与Grad-CAM

项目名：Image Filtering and Hybrid Images 简介：We will write an image convolution function (image filtering) and use it to create hybrid images! The technique was invented by Oliva, Torralba, and Schyns in 2006, and published in a paper at SIGGRAPH. High frequency image content tends to dominate perception but, at a distance, only low frequency (smooth) content is perceived. By blending high and low frequency content, we can create a hybrid image that is perceived differently at different distances.

给大家分享一套课程——MMLAB实战系列，完整版视频课程下载，附源码。 OpenMMLab 是一个适用于学术研究和工业应用的开源项目，涵盖了计算机视觉的许多研究课题，如：图像分类、目标检测、目标分割、超分辨率图像生成等。是最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！

MMEditing源码面向图像编辑的工具包，支持图像修复、图像转译、图像修补、图像超分任务，用来进行源码安装，用于构建深度学习、计算机视觉、图像处理框架