偏振图像的处理，利用四个不同偏振方向的偏振图得到强度图，偏振度图，椭圆偏振图

fenlei.py可以对image中的所有图片进行颜色直方图的特征提取，以及单行的梯度的特征提取，最后合并成多个特征向量（每张图片产生一个），这些向量将会存在result.txt中，图片的种类会存在label.txt中，而main.py就是提供test文件夹的一张图片去按照上述方法获取特征向量后，再跟result.txt的所有向量作比较获取最接近的那个向量，那个向量对应图片的种类即是预测的种类，并写在val.txt中。 采用了GPU获取特征向量集

把Mobius变换应用到一种新型的通信系统中，以数字图像作为原始的输入信号，经过调制之后，在接收端，用跟调制载波信号不同频同相的信号进行解调。仿真结果表明，该新型的通信系统可以很好的恢复原始的数字图像信号。接着对一张图片分割成四块处理，对分割后的不同模块用不同的调制解调函数在新型的通信系统中传输，并用Matlab软件在计算机上仿真。

这是一个老外用opencv写的一个图像拼接的案例，我自己也是刚学，具体怎么样，不是很懂，有需要的看看，希望对你们有用！

基于图像处理（非机器学习）的方法实现细胞的检测和分割的全部数据资料并对结果进行评估。 我们将整个程序分成7个python文件，其中三个文件是细胞分割的算法，一个结果评估的文件，一个细胞再筛选的文件，一个图像处理的文件和一个main文件 三个划分算法分别为：cell_segmentation_by_sub.py、cell_segmentation_by_shape.py、cell_segmentation_by_fit.py. 结果评估文件是：divide_assessment.py. 细胞再筛选文件是：results_filter.py. 图像处理文件是：image_processing.py. 主程序文件：main.py. 基于图像处理（非机器学习）的方法实现细胞的检测和分割的全部数据资料并对结果进行评估。基于图像处理（非机器学习）的方法实现细胞的检测和分割的全部数据资料并对结果进行评估。基于图像处理（非机器学习）的方法实现细胞的检测和分割的全部数据资料并对结果进行评估。基于图像处理（非机器学习）的方法实现细胞的检测和分割的全部数据资料并对结果进行评估。

南京工程学院+数据科学与大数据技术+数字图像处理+整理复习

该资源是大学生本科阶段的基础数字图像处理课程作业，希望对相关需要此文件的同学有用

卡斯尔曼著朱志刚译的数字图像处理讲义，讲解清楚！

MATLAB 中的IPT 支持以控制点为基础的点映射图像配准。一旦选出了足够的有效控制点，就可以利用IPT 函数来推导出实现某种映射关系的空间变换，以便控制这些点。

用matlab源代码编写的用于图像处理以及绘制曲线图等