说明：基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础。图像分割属于图像处理中一种重要的图像分析技术。图像分割的基本方法是对灰度图像分割，处理图像的亮度分量，简单快速。本论文介绍了传统的图像分割与K-均值聚类算法分割，然后利用OpenCV函数将其实现，并介绍了OpenCV中图像分割相关的基本函数。

说明：利用C++实现基于opencv的图像放大，查找边缘，图像模糊

说明：本书针的读者是高校学生，科研工作者，图像处理爱好者。对于这些 人群，他们往往是带着具体的问题，在苦苦寻找解决方案。为了一个小问 题就让他们去学习 C++ 这么深奥的语言几乎是不可能的。而 Python 的悄 然兴起给他们带来的希望，如果说 C++ 是 tex 的话，那 Python 的易用性 相当于 word。他们可以很快的看懂本书的所有代码，并可以学着使用它们 来解决自己的问题，同时也能拓展自己的视野。别人经常说 Python 不够 快，但是对于上面的这些读者，我相信这不是问题，现在我们日常使用的 PC 机已经无比强大了，而且绝大多数情况下不会用到实时处理，更不会在 嵌入式设备上使用。因此这不是问题。

说明：图像平移、图像镜像、图像缩放、图像旋转、灰度差值法

说明：C语言编程中的图像生成工具egg，内含全套设备，放心使用

说明：对图像等进行pca处理，可以使得图像被降维

说明：有源码，适合学习C++的人 一、 读入一幅灰度图象，编写程序显示图象中任一象素点的灰度值。 二、 编程实现RGB彩色空间到HSV彩色空间的转换，并通过调整H、S、V的值实现图像亮度、色度和色饱和度的调节。 三、 1.灰度线性变换、分段线性变换 2.灰度直方图均衡、规格化 3.图象卷积：各种模板实现低通、高通滤波 4.图象中值滤波、最大值滤波、最小值滤波、模板选择滤波 5.伪彩色图象增强 四、 1.图象的加、减、乘、除和逻辑运算。 2.图象的镜像变换、图象的缩放（灰度插值）变换 五、 编程实现图象的FFT变换和反变换 六、 用逆滤波方法和维纳滤波方法恢复运动模糊图象（加噪声和不加噪声） 七、 编写程序实现灰度图象的分割： 1、阈值化算法：手动阈值、自动阈值(大津阈值) 2、区域生长 3、区域分裂合并

说明：多光谱图像和全色图像融合的PCA算法，图像结果很好！

说明：veilog图像处理， 产生一个色条图像，做为测试之用，是FPGA图像处理必备代码。

说明：利用Labview和Matlab联合仿真，实现在实时的时间对应鬼成像或称量子成像。可用来实时分析二值散斑的尺寸与测量次数的制约关系在量子成像中发挥的作用。也可以用来对比这种阈值法的时间对应鬼成像与值统鬼成像的关系和算法的不同。在运算时间上，这种时间对应鬼成像不需要矩阵乘法，直接将挑选的图像进行成像，在量子成像效率上有一定提高？ 该仿真程序适用于量子成像初学者来对量子成像有个初步认知，对于鬼成像领域的专业人士并无太大价值，故谨慎下载。

说明：对二维图像进行区域分割，对二维图像进行区域分割，对二维图像进行区域分割，对二维图像进行区域分割，对二维图像进行区域分割

说明：BMP文件处理，反馈图片像素点，图像灰度处理

说明：全局阈值分割算法分割图像，区域生长法分割图像

说明：利用图像边缘相关性将灰度图像恢复为彩色图像，使其尽量接近原始图像。

说明：图像处理的MATLAB代码，里面包含图像增强，图像融合，图像去噪，图像压缩等

说明：图像处理的MATLAB源代码，包括图像检索、图像重构、图像压缩、图像去噪，图像融合，图像增强。

说明：一般指纹图像处理之图像特征提取图像特征匹配

说明： 数字图像原理 图像 数字图像处理学 数字图像处理方法 数字图像处理的主要内容 图像文件格式 图像类型

说明：调用opencv库，python编码，实现图像的边缘检测

说明：labview 对MATLAB 调用 进行图像滤波

说明：scikit-image: Image processing in Python：Python编写的图像处理程序，可直接调用，是学习python图像处理的很好参考。

说明：图像的matlab处理，包含图像的压缩，zigzag算法应用，图像加密，图像解密等

说明：图像处理 图像均衡化 图像规定化 图像锐化 图像增强

说明：python接入微信，保存图像，并且共享给客户端

说明：基本图像处理功能，包括图像配准，图像分割，图像融合

说明：用C#编写的代码，实现了FFT和IFFT，方便初学者学习，也适合图像处理和信号分析。

说明：实现labview对MATLAB的调用 在图像去噪方面的应用

说明：Dicom图像发送、修改图像信息,Dicom图像发送、修改图像信息,Dicom图像发送、修改图像信息

说明：图像变换、图像增强、图像分割、图像压缩等图像处理程序

说明：区域语义多样性密度的图像标注。图像标注的好论文。