一种基于灰度共生矩阵的指纹图像分割方法。经过了matlab仿真测试。

作者 | 黄浴，奇点汽车美研中心首席科学家兼总裁 转载自知乎   AI科技大本营编辑 简单回顾的话，2006年Geoffrey Hinton的论文点燃了“这把火”，现在已经有不少人开始泼“冷水”了，主要是AI泡沫太大，而且深度学习不是包治百病的药方。 计算机视觉不是深度学习最早看到突破的领域，真正让大家大吃一惊的颠覆传统方法的应用领域是语音识别，做出来的公司是微软，而不是当时如日中天的谷歌。计算机视觉应用深度学习堪称突破的成功点是2012年ImageNet比赛，采用的模型是CNN，而不是Hinton搞的RBM和DBN之类，就是Hinton学生做出来以他命名的AlexNet。 （注：顺便提

乳腺癌超声图像数据集-Breast Ultrasound Images Dataset，所有图像均分为正常、良性和恶性，每个图像都有标记，可用于乳腺癌图像分类，分割等研究，该资源国外网站可下载，但是国内速度较慢，特此上传。

本代码利用meanshift的方法进行图像分割和边缘检测。代码1在m.main里可以直接运行（图片已经存放在相应目录下），代码2注意一下图片文件路径即可。代码1是利用rgb三个维度进行meanshift分割，代码2利用luv三个维度进行分割。代码比较容易理解，希望大家能够enjoy it。

本代码利用meanshift的方法进行图像分割和边缘检测。代码1在m.main里可以直接运行（图片已经存放在相应目录下），代码2注意一下图片文件路径即可。代码1是利用rgb三个维度进行meanshift分割，代码2利用luv三个维度进行分割。代码比较容易理解，希望大家能够enjoy it。

图像分割

用于疲劳检测的数据集，数据集分为两类：疲劳状态和非疲劳状态，每个状态下都是人脸部图像的分割图像。  在该模型架构下：将人脸图像作为输入，从中检测并裁剪出面部特征点，这些裁剪出的面部特征，如眼睛、眼圈（眼睑）、鼻子、嘴巴以及整个面部皮肤图像等五个部分分别作为输入有针对性的训练各个模型，然后各个模型将预测返回输入图像所对应的疲劳值，最终将这些值加权求和，（眼睛和黑眼圈的权重更高）最终值来确定一个人的疲劳程度。

计算机视觉入门项目之图像分割、图像增强等多个图像处理算法的复现python源码+代码详细注释+项目说明.zip 【图像分割程序】 图像分割的各种经典算法的复现，包括： 阈值分割类：最大类间方差法(大津法OTSU)、最大熵分割法、迭代阈值分割法 边缘检测类：Canny算子边缘检测 马尔可夫随机场 其中，文件名后带zixie的程序文件都是根据论文的算法复现结果 不带后缀的是从github上fork来的参考代码，多为直接调用OpenCV库函数，效率很高，用来与复现代码在实现效果与耗时上进行对比 lena.png是程序测试用例 使用时注意更改读取图片的路径 详情请见图像分割图像增强文件夹内详细介绍！！ (包括算法原理及实现效果) 【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。

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。