由彩色图像到轮廓提取的代码，或者说背景去除，也是在这里向别人学习过的，拿来看一下，欢迎大家多提建议

裂缝的 Unet 语义分割 使用 PyTorch、OpenCV、ONNX 运行时的实时裂缝分割 依存关系： 火炬 OpenCV ONNX 运行时 CUDA >= 9.0 指示： 1.使用您的数据集训练模型并在supervisely.ly上使用unet_train.py保存模型权重（.pt文件） 2.使用pytorch_to_onnx.py将模型权重转换为ONNX格式 3.使用crack_det_new.py获取实时推理 裂纹分割模型文件可点击此下载 结果： 图表：

ISIC 2018：黑色素瘤检测的皮肤病变分析 概括 更新：2018年7月15日，包括k倍验证以及验证/测试预测和提交。 该存储库为基于Keras / Tensorflow的ISIC-2018挑战的任务1和任务3提供了一个起始解决方案。 当前达到的性能是： 任务1 任务3 平均Jaccard的81.5％ 准确度达83％ 阈值Jaccard的77.2％ 平均召回率68.5％ 我们支持Keras支持的大多数骨干网（Inception，Densenet，VGG等）。 对于分段问题，我们还支持在U-Net类型结构中使用Keras预训练主干。 该代码是高度可配置的，允许您更改和尝试算法的许多方面。 下面，我们描述如何运行基准解决方案。 安装/设置 该代码使用：Python 3.5，Keras 2.1.6和TensorFlow 1.8.0。 请参阅需求文件以获取所需的软件包。 请

IOS应用源码之【应用】simple-iphone-image-processing(OpenCV).rar

从头开始图像处理 这是什么？ 该存储库包含许多有趣的图像处理算法，这些算法是从头开始编写的。 阅读这些代码将使您对这些算法的原理有一个全面的了解。 我也有关于这些算法的视频教程。 去看看你是否会说中文:-) 执行所有代码都是用python3.7或C ++编写的您可能需要的模块： Python： numpy用于matix计算 matplotlib用于读取和显示图像 opencv2用于某些图像操作 C ++： 的opencv2 用法您始终可以通过以下方式运行python脚本： python script.py 对于c ++，您需要先编译cd build cmake .. make 完成后，您可以通过以下方式运行可执行文件： ./Main 只要确保您在正确的路径中放置了图像，就可以对代码进行一些修改以处理其他图像。 玩得开心！ 内容 坎尼边缘检测它是一种提取图像边缘的算法。 霍夫

matImage：Matlab的图像处理库

基于损坏的谷粒百分比的米级图像处理技术的探索 这项工作是COMP9517计算机视觉主题@UNSW 2020的一部分 我们执行了以下任务（有关详细信息，请参阅报告）： 任务1： 实施Iso数据强度阈值处理以在给定的水稻图像（灰度图像）中分离背景和前景。图像具有双峰像素强度直方图。 任务2： 实现两遍连通分量标记算法，对每个图像中的米粒进行计数。 任务3： 从Task2中获得的连接的组件标签中，使用最小像素面积作为阈值来计算受损稻粒的百分比。 档案： Report.pdf：有关实施过程和意见的详细信息 my_program.py：我的python实现 Input_image：测试图像-rice_img1.png，rice_img2.png，rice_img6.png，rice_img7.png 输出：所有输出均保存在此文件夹中

斯蒂加诺 ，一个纯Python隐写模块。 隐写术是写隐藏消息的艺术和科学，这种方式使发送者和预期的接收者之外的任何人都不会怀疑消息的存在，这是一种通过隐蔽的安全方式。 因此，Stegano提供的功能仅隐藏消息，而不进行加密。 隐写术通常与加密一起使用。 对于报告问题，请在此处访问跟踪器： : 安装 $ poetry install stegano 您将能够在Python程序中使用Stegano。 如果仅要将Stegano安装为命令行工具，请执行以下操作： $ pipx install stegano pipx将Python软件包提供的脚本（系统范围内的脚本）安装到单独的vi

绘图机器人V3 关于 Drawing Bot是一款免费的开源软件，可将绘图仪/绘图仪/ 3D打印机的图像转换为线条图。 它还可以用作视觉艺术家的应用程序，以从图像/视频创建风格化的线条图。 它适用于Windows，Mac和Linux。 特征 带有实时图形预览的高级用户界面 多种路径查找算法-可配置以创建独特的绘图样式 自动路径优化，可实现更快的绘图-线简化，合并，过滤，排序 笔设置：可配置的颜色/笔划宽度/分布粗细/混合模式-非常适合多层绘图。 60多个图像滤镜用于更改输入 自动CMYK分离 用户可配置的绘图区域，具有填充/缩放模式 原始颜色/灰度采样专用笔 预设：可以保存/导入/导出，以便与其他用户共享不同的样式 导出可以按/笔或按/绘图导出为多种文件类型 批处理：自动转换整个图像文件夹。 GCode-可配置的工程图区域，XYZ偏移/自动归位。 支持的文件类型 Import For

项目：建立交通标志识别程序 该项目 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 依存关系 该项目要求： tensorflow-gpu == 1.7.0 scipy == 1.0.0 matplotlib == 2.0.0 numpy == 1.14.2 opencv-contrib-python == 3.4.0.12 sklearn == 0.18.2 数据集探索 数据集摘要 。 加载数据集和基本摘要 加载数据集后，我得到以下摘要信息： 训练例数：34799 测试例数：12630 验证示例数：4410 图像形状为：（32 32，3） 类数标签：43 探索性可视化 该图像网格表示从训练集中每个类别中选择的一个随机图像 分配 现在，我们将探索分