OV5640图像采集与HDMI显示：基于AXI总线DDR3存储与FPGA实现方案（Verilog代码实现，图像分辨率1280x1024）,OV5640图像采集与HDMI显示：基于AXI总线DDR3存储与FPGA实现，分辨率达1280x1024,ov5640图像采集及hdmi显示，verilog代码实现 OV5640摄像头采集图像，通过AXI4总线存储到DDR3，HDMI通过AXI4总线读取DDR3数据并显示，xilinx 7系列fpga实现。 AXI 总线数据位宽512，图像分辨率为1280x1024 ,OV5640图像采集;HDMI显示;AXI4总线;DDR3存储;Xilinx 7系列FPGA实现;512位宽AXI总线;1280x1024分辨率。,OV5640图像采集存储及HDMI显示 - AXI4总线接口，512位宽数据流在Xilinx 7系列FPGA上的Verilog实现

对图像进行粗略的识别，比如对风景，人像等具体的差别比较大的图像属性识别

React Native Document Scanner 实时文档检测库。 返回捕获图像的URI或base64编码的字符串，使您可以轻松地存储它或随意使用它！ 特征 ： 实时检测 透视校正和图像裁剪 实时相机滤镜（亮度，饱和度，对比度） 闪 易于使用的base64图像 可以很容易地用插入 两个平台 如果您使用的是本机0.48+，请使用版本> = 1.4.1 $ yarn add https://github.com/Michaelvilleneuve/react-native-document-scanner $ react-native link react-native-do

利用ViT模型实现图像分类，本项目具有强大的泛化能力，可以实现任何图像分类任务，只需要修改数据集和类别数目参数。这里采用的是开源的“猫狗大战”数据集，实现猫狗分类。 本项目适用于Transformer初学者，通过该实践项目可以对于ViT模型的原理和结构有清晰地认识，并且可以学会在具体项目中如何运用ViT模型。本项目代码逻辑结构清晰，通俗易懂，适用于任何基础的学习者，是入门深度学习和了解Transformer注意力机制在计算机视觉中运用的绝佳项目。

基于transformer网络的图像分类识别，包括训练、测试，亲测有效！！！

yolov5模型，图像训练

直方图均衡化，频域高通滤波结合直方图均衡化，图像增强

Image Processing Author：zhiyu-Lin Date：2018-7-25 E-mail: Description: 数字媒体课程大作业，用django实现交互界面 环境 python>=3.5 django==2.0.4 opencv-python==3.4.0.12 numpy==1.13.1 PIL==4.2.1 pip install -r requirements.txt 实现功能 改变图像对比度、饱和度、亮度-opencv库辅助完成 图像接缝裁剪-seam carving算法实现 图片去雾-暗通道去雾算法 运行 #命令行输入 python manage.py runserver 0.0.0.0:8000 #在浏览器输入 localhost:8000/hello 结果 通过滑动条来调节图片对比度、亮度和饱和度，三种效果可重复叠加。 在size输入框中输入裁剪

基于机器视觉的自然环境下菇娘果实分割方法，已经训练好的模型共训练100轮，使用说明在ReadMe，测试集在菇娘测试集压缩包

基于MFC的图像处理和分析的基本算法的实现，是学习MFC编程和图像处理非常有用的代码，包括滤波，小波变换，图像分割，边缘检测以及霍夫变换等图像处理常用的技术