图片取点获取对应坐标参数工具，适用于根据给定坐标图曲线来获取精确曲线上点的x、y坐标，适用于学校或科研机构逆向从曲线上扒参数

根据图像直方图来比较两幅图像的相似性。 比如有图像A和图像B，分别计算两幅图像的直方图，HistA，HistB，然后计算两个直方图的归一化相关系数（巴氏距离，直方图相交距离）等等。

shannon_entropy 计算图像的香农熵 安装 $ pip install shannon_entropy

学习过程中自己写的计算图像信息熵的matlab代码，窗口化的计算方式，更能显示图像内部景观异质性，简单好用。

Canny边缘检测： 计算机如何识别边缘：即颜色变化强度大的地方，即像素变化大的地方。 1.高斯滤波：高斯滤波的就是先找到高斯滤波核然后再进行卷积    1.1高斯噪声 首先我们先说一下，什么是高斯噪声？高斯噪声就是它的概率密度函数服从高斯分布（即正态分布）的一类噪声。其在图像当中常表现为能引起较强视觉效果的孤立像素点或像素块。噪声的出现会给图像带来干扰，让图像变得不清楚。 高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。消除图像在数字化过程中产生或者混入的噪声。    1.2高斯滤波核计算 二维高斯分布： 假定中心点的坐标是（0

使用sobel 计算图像的梯度,调用torch和CV2实现,可以在pytorch代码中直接使用

这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 一、相关概念 一般我们人区分谁是谁，给物品分类，都是通过各种特征去辨别的，比如黑长直、大白腿、樱桃唇、瓜子脸。王麻子脸上有麻子，隔壁老王和儿子很像，但是儿子下巴涨了一颗痣和他妈一模一样，让你确定这是你儿子。 还有其他物品、什么桌子带腿、镜子反光能在里面倒影出东西，各种各样的特征，我们通过学习、归纳，自然而然能够很快识别分类出新物品。 而没有学习训练过的机器就没办法了。 但是图像是一个个像素点组成的，我们就可以通过不同图像之间这

计算图像梯度：高斯函数的一阶导数 高斯函数的一阶导数(Derivative of Gaussian) 可以很近似地满足以下三条边缘检测最优准则： 好的边缘检测性能：Good detection 对边缘的响应大于对噪声的响应 好的定位性能：Good localization 其最大值应接近边缘的实际位置 低的错误检测率：Low false positives 在边缘附近只有一个极大值点

SCD 是图像融合的图像质量度量。 它基于使用源图像和融合图像计算的差异图像之间的相关性。 所提出的度量不是通过直接利用源图像和融合图像之间的相关性来评估融合图像质量，而是通过考虑源图像及其对融合图像的影响来计算质量。

demo版的摄像机标定程序，可以直接点击.exe文件运行，标定成功后会在当前目录下生成详细的标定结果文档，涵盖标定的重投影误差、摄像机内参矩阵、畸变向量、外参信息等，并且程序界面会显示简单的标定结果。本程序可用于标准、广角、鱼眼镜头的标定，且科根据实际需求更改配置文件中的参数以满足不同的标定需求。