CNN与RNN图像分类 该程序使用卷积神经网络和递归神经网络对来自MNIST手写数字数据集的图像进行分类。 CNN最适合计算机视觉应用，因为可以使用RNN，但并不流行。该项目的目的是证明CNN模型相对于RNN可​​能具有的优势。 设置 需要Python 3.5-3.8才能与所有必需的模块兼容 # Clone this reposititory git clone https://github.com/JohnNooney/CNN_vs_RNN_Image_Classification # Go into repository cd ../cnn_vs_rnn_image_classification # Install required modules pip install -r requirements.txt 用法 使用python app.py启动应用程序后，将出现一个窗口，您可以

传统的火灾检测系统由于传感器受环境影响较大导致效果较差。针对这一问题，文中基于图像处理技术，结合红外基础理论、双目立体视觉测距理论和开源计算机视觉库（OpenCV）设计并实现了一套火灾火源定位及检测系统。该系统能根据红外测温、轴向比判别、内外焰判别、形状不规则判别等算法，对火灾燃烧时出现的典型图像特征进行检测和报警，并能仿照双目视觉定位原理对火源进行定位与跟踪。该系统经过实验测试，检测和定位效果良好，能为类似的火灾检测系统的设计提供技术参考。

Winform窗体设计器，基于C#源码实现，界面仿VisualStudio，这个窗体设计器可显示出制作窗体上一些必备元素的属性信息源码也是可以编译的。没有使用微软Runtime FormDesigner技术

针对opencv_contrib4.5.1 网络下载文件失败导致的boostdesc缺失问题提供的离线包

VS 2019 MFC Socket 通讯例程服务器端Select一对多同步通信TCP/IP通信服务器/客户端例程

车牌识别Demo，C++版，基于OpenCV3，字符模板和检测视频都在压缩包内，配OpenCV3环境的VS2017及以上版本打开 .sln 文件直接可运行

mingw版编译好的opencv+contrib，可直接使用。

基于Python+Opencv的车道线检测源码+详细代码注释+项目使用说明(GUI界面可选、带演示视频).zip 【实现方法及功能】 1. 图像加载；2.图像预处理：图片灰度化，高斯滤波；3.Cany边缘检测；4.感兴趣区域检测；5.霍夫直线检测 ；6.直线拟合；7.车道线叠加；8.图片和视频测试；9.可视化界面pyqt5 【环境配置】 python 3.x numpy matplotlib opencv-python pyqt5 (option) 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、opencv、python学习者。 也可作为课程设计、期末大作业。包含：项目源码\项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

基于OpenCV的图像处理系统python实现源码+UI界面+项目说明文档(课程设计、整合常用图像处理方法和技术).zip 【实现功能】 文件操作 打开、关闭、保存一幅图像 亮度对比度调节 调整图像的亮度和对比度 几何变换 对图像放大、缩小、旋转、翻转 灰度变换 图像灰度化、图像反转、图像二值化 直方图处理 直方图均衡化和直方图规定化，以及直方图的绘制 加性噪声 高斯噪声、椒盐噪声以及随机噪声 平滑处理 均值滤波、中值滤波、高斯滤波以及双边滤波 锐化处理 选择不同的算子对图像进行锐化，包括 sobel 算子、robert 算子、prewitt 算子、laplacain 算子 频域滤波 高通滤波和低通滤波 边缘检测 选择 laplacian 算子、sobel 算子和 canny 算子进行边缘检测 目标检测 yolov5、人脸检测和图像分割

基于python的数字图像处理实验源码+详细代码注释+实验说明文档.zip 代码内有注释，自带图片，地址为相对路径，可以直接运行 需要matplotlib、numpy、cv2、skimage库 【实验一】 图像反转实验,255-像素值 将彩色图像变换成灰度图像 直方图均衡化实验 线性对比度展宽实验 灰级窗实验 【实验二】 高斯噪声的中值、均值处理 椒盐噪声的中值、均值处理 【实验三】 锐化处理 水平锐化 垂直锐化 Roberts锐化 Sobel锐化 Laplacian锐化 Wallis锐化 【实验四】 基于类间最大距离法的图像分割