章毓晋《图像分割》

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。
本书目录：目录I走进OpenCV101关于OpenCV-Python教程102在Windows上安装OpenCV-Python113在Fedora上安装OpenCV-Python12IIOpenCV中的Gui特性134图片134.1读入图像4.2显示图像4.3保存图像4.4总结一下5视频5.1用摄像头捕获视频5.2从文件中播放视频5.3保存视频6OpenCV中的绘图函数6.1画线6.2画矩形6.3画圆6.4画椭圆6.5画多边形6.6在图片上添加文字7把鼠标当画笔7.1简单演示7.2高级一点的示例8用滑动条做调色板8.1代码示例III核心操作9图像的基础操作9.1获取并修改像素值9.2获取图像属性9.3图像ROI9.4拆分及合并图像通道9.5为图像扩边（填充）10图像上的算术运算10.1图像加法10.2图像混合10.3按位运算11程序性能检测及优化11.1使用OpenCV检测程序效率11.2OpenCV中的默认优化11.3在IPython中检测程序效率11.4更多IPython的魔法命令11.5效率优化技术12OpenCV中的数学工具IVOpenCV中的图像处理13颜色空间转换5413.1转换颜色空间13.2物体跟踪13.3怎样找到要跟踪对象的HSV值？14几何变换14.1扩展缩放14.2平移14.3旋转14.4仿射变换14.5透视变换15图像阈值15.1简单阈值15.2自适应阈值15.3Otsu’s二值化15.4Otsu’s二值化是如何工作的？16图像平滑16.1平均16.2高斯模糊16.3中值模糊16.4双边滤波17形态学转换17.1腐蚀17.2膨胀17.3开运算17.4闭运算17.5形态学梯度17.6礼帽17.7黑帽17.8形态学操作之间的关系18图像梯度18.1Sobel算子和Scharr算子8718.2Laplacian算子19Canny边缘检测19.1原理19.1.1噪声去除19.1.2计算图像梯度19.1.3非极大值抑制19.1.4滞后阈值19.2OpenCV中的Canny边界检测20图像金字塔9420.1原理21OpenCV中的轮廓22直方图23图像变换24模板匹配25Hough直线变换26Hough圆环变换27分水岭算法图像分割28使用GrabCut算法进行交互式前景提取29理解图像特征30Harris角点检测31Shi-Tomasi角点检测&适合于跟踪的图像特征32介绍SIFT(Scale-InvariantFeatureTransform)33介绍SURF(Speeded-UpRobustFeatures)34角点检测的FAST算法35BRIEF(BinaryRobustIndependentElementaryFeatures)36.1OpenCV中的ORB算法37特征匹配38使用特征匹配和单应性查找对象39Meanshift和Camshift40.3OpenCV中的Lucas-Kanade光流41背景减除23841.1基础42摄像机标定43姿势估计44对极几何（EpipolarGeometry）45立体图像中的深度地图25945.1基础46K近邻（k-NearestNeighbour）47支持向量机48K值聚类49图像去噪50图像修补51使用Haar分类器进行面部检测

这个matlab程序实现了目标对象的图像分割与提取技术，附件里的程序以车牌的检测与识别为例，效果非常好。

基于matlab的数字图像分割技术研究及实现(论文)

物的叶子和花瓣组织，对研究植物的生长发育，以及植物的健康状况具有重要的意义。
而通常情况下使用图像采集技术可以方便和直观的获取整株植物或者部分植物图像信息，然而仅仅获取了图像还不够，还需要对植物图像中的信息进行图像分割，有效并精确的获得植物图像的叶子、花瓣信息，排除无关信息的干扰，进而为分析植物的生长发育以及健康状况奠定良好的基础，在获得叶子、花瓣信息的时候，最有效的方法便是图像分割方法。
本论文通过研究、分析当前的植物彩色图像的分割技术，设计了一个基于植物彩色图像的分割系统模型，实现植物彩色图像的自动分割，并利用MATLAB对核心的算法进行仿真实验，实验结果表明，本文采用的K-means方法和基于H值的聚类方法都获得了较好的分割效果。

完整的基于水平集的图像分割的matlab代码和注释

Matlab写的区域生长图像分割程序。
%区域生长算法:regionfunctionLabelImage=region(image,seed,Threshold,maxv)%image:输入图像%seed：种子点坐标堆栈%threshold：用邻域近似生长规则的阈值%maxv：所有生长的像素的范围小于maxv%LabelImage:输出的标记图像，其中每个像素所述区域标记为rn[seedNum,tem]=size(seed);%seedNum为种子个数[Width,Height]=size(image);LabelImage=zeros(Width,Height);rn=0;%区域标记号码fori=1:seedNum%从没有被标记的种子点开始进行生长ifLabelImage(seed(i,1),seed(i,2))==0rn=rn+1;%%对当前生长区域赋标号值LabelImage(seed(i,1),seed(i,2))=rn;%endstack(1,1)=seed(i,1);%将种子点压入堆栈（堆栈用来在生长过程中的数据坐标）stack(1,2)=seed(i,2);Start=1;%定义堆栈起点和终点End=1;while(Start＜=End)%当前种子点坐标CurrX=stack(Start,1);CurrY=stack(Start,2);%对当前点的8邻域进行遍历form=-1:1forn=-1:1%%判断像素（CurrX，CurrY）是否在图像内部%rule1=(CurrX+m)=1&(CurrY+n)=1;%%判断像素（CurrX，CurrY）是否已经处理过%rule2=LabelImage(CurrX+m,CurrY+n)==0;%%判断生长条件是否满足%rule3=abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜Threshold;%%条件组合%rules=rule1&rule2&rule3;if(CurrX+m)=1&(CurrY+n)=1&LabelImage(CurrX+m,CurrY+n)==0&abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))＜=Threshold&image(CurrX+m,CurrY+n)0%堆栈的尾部指针后移一位End=End+1;%像素（CurrX+m,CurrY+n)压入堆栈stack(End,1)=CurrX+m;stack(End,2)=CurrY+n;%把像素（CurrX,CurrY)设置成逻辑1LabelImage(CurrX+m,CurrY+n)=rn;endendend%堆栈的尾部指针后移一位Start=Start+1;endend

这是一个MATLAB系列视频，共围绕30个计算机视觉和机器学习的实战项目展开。
十分适合作为课程作业或是课程汇报。
06_基于K-means聚类算法的图像分割，适合本科或部分研究生课程设计。
涉及到机器学习相关内容。
#2021#图像分割#

锐尔文档扫描影像处理系统是通过普通或高速扫描仪将各种纸质文档、资料扫描录入计算机，经过图像处理、压缩、优化并存储为电子影像文件的工具软件，能够有效帮助单位、企业资料管理部门将纸质文档管理改成先进高效的电子化文档管理。
广泛应用于图书馆、档案馆、出版社、政府机关、银行、工商、税务、保险、医院等机构、各种企事业档案部门及档案数字化扫描加工企业。
软件功能◇快捷扫描能力简单而强大的扫描参数设置，支持单、双面扫描，可以追加扫描、插入扫描、替换扫描、扫描区域预定义、平板自动扫描等◇各种图像存储支持支持单页TIF，多页TIF，JPG，BMP等图像格式，支持CCITT，LZW，JPEG等多种压缩算法及100级图像压缩质量设置等◇多种图像浏览功能上一图、下一图、上一屏、下一屏、上个目录、下个目录，按高度适应、按宽度适应、区域放大、图像导航、放大镜，二页、四页、六页、八页多图模式浏览等◇强大影像优化功能多达几十种影像优化功能，旋转、纠斜、翻转、去污、去噪、去黑边、裁剪、居中、文字优化、背景清除、图像调整、色阶调整、二值化、幅面调整、智能修补、手工克隆、底色绘制、文字标红、图像拼接、图像分割、批量图像处理等◇易用的文件目录管理批量创建扫描目录，目录搜索，批量更名，导入导出，插入文件，替换文件等◇更多高级功能删除白页，调序，合并为TIF/PDF，拆分，页码重编，签章，水印，文档分件，OCR文字识别，双层PDF，文件统计，图像质量检查，图像打印等。

科学出版社，2008；
第1章绪论；
第2章合成孔径雷达；
第3章雷达目标电磁散射计算；
第4章合成孔径雷达图像特征分析；
第5章合成孔径雷达图像分割；
第6章合成孔径雷达图像目标分类；
第7章合成孔径雷达图像目标识别；
第8章合成孔径雷达图像融合；
第9章合成孔径雷达图像压缩；

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。