通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

ImagePorc 基于Qt和Opencv的图像处理软件

基于MATLAB的图像处理算法实现。包括拉普拉斯锐化处理和梯度锐化处理的MATLAB程序及处理示例图片。

matlab检索相似图像 - 使用自定义特征包的图像检索-MathWorks

ENVI（The Environment for Visualizing Images）是一个完整的遥感图像处理平台，应用汇集中的软件处理技术覆盖了图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析。

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。