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

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

“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

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

计算机视觉-【学习笔记】

使用opencv-python对两段视频进行场景合并，得到是合并后的全局视频场景。文件中已经包含了两段测试视频，两段不同格式的结果视频，以及运行的结果图和项目代码，只要结合简单的python+opencv环境就能很容易运行。

计算机视觉与图像处理： 只需要基础的Python编程知识，了解Pytorch、TensorFlow等框架 就可以学些，有利于找工作就业。 1.涉及单阶段、双阶段目标检测算法、Deeplabv3+图像分割算法、服务端模型与移动端模型部署实战；2.算法原理及源码讲解、加速方法/技巧；3.三大项目实战，训练推理及部署落地等；4.《无人驾驶车道线分割》、《口罩实时检测》、《活体人脸身份识别》等应用，及输出C/C++的.so文件。

opencv视觉图像处理多种方法