基于Matlab的数字图像处理降噪方法.ppt

针对双空间局部方向模式（DSLDP）人脸识别算法只是单一采用作差运算提取特征的问题, 提出一种双运算局部方向模式（DOLDP）的人脸识别方法。首先, 将图像3 pixel×3 pixel邻域像素灰度值与8个Kirsch模板算子卷积, 得到8个方向的边缘响应值; 然后, 将近邻边缘响应值按照逆时针方向分别作差和作和, 得到两组8个方向的边缘响应差值和和值, 将两组边缘响应值取绝对值, 取各自最大值的方向编码成一个二位八进制数, 构成DOLDP码。在YALE、ORL、AR和CAS-PEAL人脸库上的实验结果表明：该方法将和值空间和差值空间人脸特征信息结合, 取得了更好的识别效果; 和值空间人脸特征信息较强度空间起到了平滑作用, 对光照、表情、遮挡等情况表现出更强的稳健性。

计算机图像处理中，利用C++，MFC，实现区域填充的功能，使用种子填充法

基于C#图像处理项目，包含图像的打开与保存、亮度/对比度调节、灰度化、二值化（固定/修改阈值，类判别法）、单通道显示、伪彩色、加噪（椒盐噪声、高斯噪声）、去噪/滤波（最大值/最小值、中值、修正平均）、图像锐化（物种不同算子）

在水下环境中，光的散射和衰减导致水下光学成像质量严重下降，图像对比度低、颜色失真。提出了一种基于暗原色和白平衡相结合的新方法来提高水下光学成像的图像质量，达到使水下光学成像清晰化的目的。根据水下成像特点，建立水下光学成像模型，采用暗原色算法对图像进行去模糊，并依据白平衡理论对去模糊后的图像进行颜色校正，提高水下彩色图像的质量。实验表明，提出的方法能够有效去除由光的散射引起的模糊，增强水下图像的可见度和恢复水下图像的颜色平衡，明显提高图像的清晰度和颜色的保真度。

有开源代码哦，真的很实用！软件可以实现图像裁剪、旋转、调色等基本功能，还有边框、涂鸦以及多种特殊效果，如浮雕、霓虹、光照、模糊、锐化等等。

深度学习通过训练样本进行特征识别,已经被广泛应用于道路提取领域。该方法不局限于特定类型的影像,但是受训练样本数量和计算机硬件的限制,所提取的道路会有断裂和噪声。针对上述问题,使用VGG卷积神经网络对道路进行初步提取后引入张量投票方法进行优化处理。首先通过影像变换、随机裁剪、过采样等方法对样本进行多模式扩充,进而训练VGG卷积神经网络模型;其次利用该网络从原始影像中初步分割道路面,接着对道路面的二值影像进行张量投票获取道路的显著性信息;最后在特征提取时针对显著性信息加入阈值获取道路面。实验结果表明,所提方法提取道路的召回率与正确率均达90%以上,与其他传统方法相比具有更高的精度,验证了所提方法的有效性。

本文介绍了如何应用数字化方法将光学镜头拍摄的有畸变的图像矫正

采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究。对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响。根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法。对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的能量、熵、对比度和相关性指标与DIC法的测量结果进行对比分析,并与平均灰度二阶导数和香农熵进行对比实验。通过改变散斑图像的整体亮度等级与亮度分布情况,探究不同光照情况对实验结果准确度的影响。实验结果表明,GLCM在散斑图像质量评价中具有一定的有效性。

随着计算机视觉方向的发展与各种开源库的涌现，目标检测与图像识别的步骤也越来越规范并且趋于简单化。 本次大作业采用Pycharm编辑器，应用Python的OpenCV图像处理库，基于深度学习的卷积神经网络来识别图像中的手写的大写英文字母。具体功能步骤是：对图像进行切片、目标检测、图像识别、图像定位、识别出来的字母重新写入到图片中。