自己调试的代码，本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wallescai/archive/2004/12/31/235270.aspx 我只是修改了几个地方能运行成功

提出了基于种子生长法的图像分割，在传统SRG算法的基础上，又进行改进。改进算法利用颜色空间的像素与其邻域的颜色差异及相对欧式距离自动选择种子；应用SRG技术由已知的种子生长出初始分割区域；根据融合了颜色空间和邻接关系的区域距离对初始区域进行分级合并。实验结果表明该算法适合用于图像分割。

本文对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计 并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像 捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像 头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像 对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处 理以及特征提取两个模块中，本文加入了 OpenCV（微软开源视觉库）函数库，在运行的 效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了 模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本 进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实 时处理的设计准则。

CainCamera is an Android Project to learn about development of beauty camera, image and short video CainCamera 介绍 CainCamera是一个集美颜相机、图片编辑、短视频编辑等功能的综合性开源APP，目前主要介绍美颜相机、短视频编辑功能的实现，图片编辑功能暂时还没时间处理。 本人编写该项目主要用于学习如何实现相机的实时美颜、动态滤镜、动态贴纸、彩妆、拍照、短视频分段录制与回删、图片编辑、短时频编辑与合成等功能。 截止目前为止，已完成的功能包括： 1、美颜相机部分 实时美颜、美白 动态滤镜 动态贴纸 拍照、短视频分段录制、回删等 瘦脸大眼、亮眼、美牙等美型处理 备注： 由于彩妆功能缺乏各种素材，本人只写了一个大概的流程，彩妆主要是素材绘制有无素材的区别而已，有兴趣的可以参考一下 2、短视频编辑部分 仿照抖音编辑功能。目前短视频编辑页面是仿照抖音页面来实现的。 自研基于FFmpeg的视频播放器。目前播放器已经包装成MediaPlayer-like的方式，支持快速see

以前给朋友写的一个大家来找茬的帮助软件，主要是通过截屏比较两幅图像的差别 1、a.可以通过窗口名锁定大家来找茬窗口；b.可以手工确定窗口（类似Spy++） 2、通过大家来找茬窗口颜色定位 3、截屏比较两幅图像，并显示差别所在 4、点击窗口上的差别位置，模拟点击大家来找茬窗口图片

s3-资产同步 使用Amazon S3同步资产文件（CSS，JS，图像），并执行以下操作： 设置HTTP标头（Content-Type和Cache-Control）。 gzip CSS和JS文件，并为它们设置Content-Encoding标头。 要求 安装 确保您已安装了gulp 。 如果没有，请运行以下命令： $ npm install --global gulp 克隆此存储库： $ git clone https://github.com/lovewithfood/s3-assets-sync.git 输入目录： $ cd s3-assets-sync 安装依赖项： $ npm install 复制aws.json.example到aws.json并填写你的S3键和斗细节aws.json 。 $ cp aws.json.example aws.json 创建a

用于标定图像的质心，并显示质心的坐标数据，是以款相当好的程序，希望对大家有帮助

Agriculture:智慧农业物联网应用平台将物联网技术运用到传统农业中去，运用传感器和软件通过移动平台或者电脑平台对农业生产进行控制，依托部署在农业上生产现场的各种传感传感器（环境温湿度，土壤成分，PH值，二氧化碳，光照强度，气压，图像等）和无线通信网络实现农业生产环境的智能感知，智能预警，智能决策，智能分析，专家在线指导，为农业生产提供精准化种植养殖，可视化管理，智能化决策

机器学习，基于tensorflow的图像识别代码，已测试可用

NTIRE2021-IQA-MACS（tensorflow 2） 评估 从此处下载预：[1] （〜135 MB） 提取models.zip文件并将模型放在./models/中。 对单个图像的评估 运行 python3 evaluation_single_image.py --ref ./test_images/ref.bmp --distorted ./test_images/dist.bmp 输出为： ------------------------------------- Image Quality Score: 1381.0543870192307 对NTIRE图像的评估 在设置验证参考图像和失真图像的目录 运行 python3 evaluation_ntire.py 输出分数将记录在output.txt中。 从头开始培训网络 准备数据集 下载数据集： [1