MATLAB图像处理的霍夫变换相关函数，所识别直线峰值源码包

这是对图像的基础处理，其中包含了对图像进行FFT，频谱中心化，分别用高斯低通，高斯高通在频域处理图像以及在频域用拉普拉斯算子对图像进行锐化

数字图像处理的图像变换专题，二维离散傅里叶变换的原理，性质，基于matlab应用

几十幅多聚焦图像，用于多聚焦图像融合

很齐全的C#图像处理例子和教程， 包含了十几套源码例子，两份 pdf教程文档 值得你下载

SIFT算法在图像处理的代码，用于图像融合

拉普拉斯锐化法 4邻域模板，巴特沃斯高通滤波器锐化， 阶数M=3 截断频率D0=40，梯度算子锐化 sobel和prewitt

python语言，python3.6、opencv3.4、pillow6.0、matplotlib3.1.0、tensorflow1.14环境。实现功能为：按钮功能Scan(浏览)、Back(上一张)、Next(下一张) 、Mark(添加水印) 、Magnify(以鼠标点击为中心放大)、R90°CW(顺时针旋转90度) R90°CCW(逆时针旋转90度) Exit(退出) 菜单功能 文件、打开、保存、退出、编辑、放大、缩小、灰度、亮度、旋转、截图、变换、傅里叶变换、离散余弦变换、Radom变换、噪声、高斯噪声、椒盐噪声、斑点噪声、泊松噪声、滤波、高通滤波、低通滤波、平滑滤波（线性、平滑滤波（非线性）、锐化滤波（线性）、锐化滤波（非线性）、直方图统计、R直方图、G直方图、B直方图、图像增强、伪彩色增强、真彩色增强、直方图均衡、NTSC颜色模型、YCbCr颜色模型、HSV颜色模型、阈值分割、形态学处理、特征提取、图像分类与识别

针对现有图像超分辨重建方法难以充分重建图像的细节信息且易出现重建的图像缺乏层次的问题,提出一种基于自注意力深度网络的图像超分辨重建方法。以深度神经网络为基础,通过提取低分辨率图像特征,建立低分辨率图像特征到高分辨率图像特征的非线性映射,重建高分辨率图像。在进行非线性映射时,引入自注意力机制,获取图像中全部像素间的依赖关系,利用图像的全局特征指导图像重建,增强图像层次。在训练深度神经网络时,使用图像像素级损失和感知损失作为损失函数,以强化网络对图像细节信息的重建能力。在3类数据集上的对比测试结果表明,所提方法能够提升图像超分辨重建结果的细节信息,且重建图像的视觉效果更好。

基于神经网络的车牌识别，点击即可运行，内容包含：图像预处理，车牌水平矫正，字符分割，三层神经网络模型训练，字符识别显示，制作了简易的GUI界面，便于输出显示！