pytorch中全局和局部一致的图像完成 "Globally and Locally Consistent Image Completion" Satoshi Iizuka, Edgar Simo-Serra, and Hiroshi Ishikawa ACM Transaction on Graphics (Proc. of SIGGRAPH 2017), 2017 这是Pytorch 0.4中论文（ ）中提出的图像完成模型的实现。 要求 的Python 3 火炬0.4 TensorbardX argparser 等等（PIL，tqdm ...） 用法 一，准备培训资料 此步骤是对图像进行预处理（制作随机蒙版）并将图像转换为割炬张量。 $ cd src_gl $ python prepare_dataset2tensor.py 在github中。 我已经通过测试和培

图像相似度 使用几种技术的Python图像相似度比较 要求： sudo apt-get install -y python-pip sudo pip install PIL numpy 用法 将脚本保存到与主脚本相同的文件夹中 从脚本导入功能 from image_similarity import similarity_bands_via_numpy from image_similarity import similarity_histogram_via_pil from image_similarity import similarity_vectors_via_numpy from image_similarity import similarity_greyscale_hash_code 从主脚本调用功能 similarity_bands_via_numpy, sim

我们提出了一种基于结构相似性和视觉掩蔽的改进的客观图像质量评估方法，称为感知图像质量评估（PIQA）。 PIQA包含三个相似性度量：亮度比较度量，结构比较度量，与结构相似性（SSIM）相同的对比度比较度量及其变体。 首先，为了提高在模糊图像和嘈杂图像中区分结构信息的能力，我们使用改进的结构张量来修改结构比较度量，该结构张量在描述全局区域中的结构信息时更加有效。 其次，基于人类视觉系统（HVS）感知过程的感知特征，将对比度掩蔽和邻域掩蔽集成到对比度比较度量中。 最后，将三个度量汇总在一起以计算PIQA度量。 与多尺度SSIM（MS-SSIM），视觉信噪比（VSNR）和视觉信息保真度（VIF）标准等最新方法进行比较，仿真结果表明，我们的方法与HVS高度一致感知过程，并提供更好的性能。

Matlab dpcm编码代码Image_compression_using_DPCM 该存储库包含用MATLAB编写的差分脉冲编码调制（DPCM）的示例。

echarts-server-image echarts配合phantomjs，在服务端生成图片。 Usage npm install phantomjs -g https://github.com/hushicai/echarts-server-image.git cd echarts-server-image npm install node phantom/echarts.js 示例

国产联想GM337驱动，Lenovo_Image_GM26X_GM33X系列windows驱动。 专用驱动内含联想图像工具。包含感光鼓清零工具以及解除定影单元错误初始工具

Infrared and visible image fusion with spectral graph wavelet transform

java 图形显示，图形的移动，图形缩放。

利于制作图像处理的软件，更好的理解图像处理的过程。

特征特征matlab代码灰度图像检索 这就是论文中“颜色参考推荐”的实现。 介绍 给定一个灰色输入图像， Gray Image Retrieval是从 ImageNet 中搜索其语义内容和光度亮度方面的相似图像。 所提出的方法由两个排序步骤组成，全局排序过滤掉同一类中的不同图像，局部排序进一步修剪空间布局和照度差异较大的候选图像。 输入是灰色或彩色图像（但它会在代码中自动转换为灰色），输出是一个文本文件，保存其在 ImageNet 中的 top-N 相似图像的名称。 入门 先决条件 视窗（64 位） NVIDIA GPU（CUDA 8.0 和 CuDNN 6.0） 视觉工作室 2013 Python 2.7 MATLAB R2017 OpenCV 2.4.10 建造 (1) 编译pycaffe： 编译pycaffe接口； 将编译后的文件放在BVLC/caffe/tree/windows/python/文件夹下build/pycaffe/ 。 我们还提供我们的编译文件 () 用于测试。 （2）为Python安装Matlab引擎： 按照说明操作： （3）编译Search.dll： 在Vis