在unity3D中使用此插件播放序列帧，可以自由控制序列帧的播放，暂停，停止播放等功能，方便开发者在unity3D中快速开发程序.

ThinkPHP 5上传图片案例源码分享，适合新手学习理解。

使用 Total Vairation 正则化进行图像去模糊。

纯VB代码用GDI实现将png显示到image中.

图像分类器-TensorFlow项目 在这个项目中，我们将首先为使用TensorFlow构建的图像分类器开发代码，然后将其转换为命令行应用程序。 我们将使用来自牛津大学的102个花卉类别的。 该项目的数据非常大-实际上，数据非常大，您无法将其上传到Github。 要求 该项目需要安装Python 3.x和以下Python库： 在终端中运行任何命令之前，请确保使用pip安装TensorFlow 2.0和TensorFlow Hub，如下所示： $ pip install -q -U "tensorflow-gpu==2.0.0b1" $ pip install -q -U tensorflow_hub 注意：为了完成此项目，您将需要使用GPU。 因为在您本地的CPU上运行可能无法正常工作。 您还应该仅在需要时启用GPU。 项目结构 该项目由两部分组成： 第1部分-使用深度学习开发图

细节增强的matlab代码单图像除雾Python 本文的python实现：“具有边界约束和上下文正则化的有效图像去雾” 结果 安装和运行测试 方法1 pip install image_dehazer 用法： $ import image_dehazer # Load the library $ HazeImg = cv2.imread('image_path') # read input image -- (**must be a color image**) $ HazeCorrectedImg = image_dehazer.remove_haze(HazeImg) # Remove Haze $ cv2.imshow('input image', HazeImg); # display the original hazy image $ cv2.imshow('enhanced_image', HazeCorrectedImg); # display the result $ cv2.waitKey(0) # ho

借助生成对抗网络实现无人监督的深度图像增强 IEEE图像处理事务（T-IP） 1 ，1 ，1 ，2 ， 1 [ ] [ ] 1香港城市大学， 2美团集团 介绍 该网站共享IEEE图像处理事务（T-IP），第一卷，“通过生成的对抗网络实现无监督的深度图像增强”的代码。 2020年9月29日，第9140-9151页。 抽象的 对于公众而言，提高图像的美学质量是充满挑战和渴望的。 为了解决这个问题，大多数现有算法都是基于监督学习方法来学习用于配对数据的自动照片增强器，该照片增强器由低质量的照片和相应的专家修饰版本组成。 但是，专家修饰的照片的样式和特征可能无法满足一般用户的需求或偏好。 在本文中，我们提出了一种无监督的图像增强生成对抗网络（UEGAN），该网络以无监督的方式从一组具有所需特征的图像中学习相应的图像到图像的映射，而不是学习大量的成对图像。 所提出的模型基于单个深层GAN，该

Multidimensional.Signal.Image.and.Video.Processing.and.Coding.2nd.Ed

Wavelet image compression ,RGB images

Automatic Portrait Segmentation for Image Stylization 数据集，方便不好下载的人