Tesseract.js
Tesseract.js

Tesseract.js 一个几乎能识别出图片中所有语言的JS库。Tesseract.js使用脚本标签,webpack/browserify和节点,安装之后,进行如下操作:Tesseract.recognize(myImage)         .progress(function  (p) { console.log('progress', p)    })         .the

TPImageWater

TPImageWater,ThinkPHP的扩展为已经上传的图片自动添加【响应式】水印。给出标准样式的照片大小、水印大小、水印位置,循环遍历或者根据数据库字段遍历添加水印,根据比例计算合适的水印大小和位置。运行效果:

Conditional-PixelCNN-decoder
Conditional-PixelCNN-decoder

这是使用PixelCNN解码器生成条件图像的Tensorflow实现,其引入了最初在像素周期性神经网络中提及的基于PixelCNN架构的门控PixelCNN模型。该模型可以基于标签或图像的潜在表示来相应地生成图像。图像也可以无条件地建模。它也可以作为一个强大的解码器,并可以在自动编码器和GANs 中取代反卷积(转置卷积)。这篇文章的详细摘要可以在这里找到。示例:架构:这是模型中使

AddImg
AddImg

图片添加工具,从相册选取图片或直接拍照,以九宫格形式展示选中的图片运行效果:

deep_ocr
deep_ocr

deep_ocr是使得OCR比tesseract更好的中文识别、身份证识别等等。估计很多开发员使用tesseract做中文识别,但是结果不是一般的差,譬如下面的图片$ tesseract -l chi_sim test_data.png out_test_data看到恨多公司在招腭大改癫和机器字习胸人 v 我有3个建议 (T) 忧T ' 2个上

j360
j360

j360是Three.js的一个扩展,实现了360度的视频和图像捕获。j360依赖于CCapture.js。示例代码:// Create a capturer that exports Equirectangular 360 JPG images in a TAR filevar capturer360 = new CCapture({    forma

HoloJS

HoloJS是一个使用JavaScript和WebGL创建UWP应用程序的框架。HoloJS是一个C++库,使用JavaScript引擎Chakra运行JavaScript代码,还使用ANGLE来处理OpenGLES图形调用。OpenGLES调用通过JavaScript应用程序从WebGL调用转换而来。当在MicrosoftHolo

LSHBOX

LSHBOX,用于大规模图像检索的C++工具箱,提供了几种局部敏感哈希(LSH)算法,还支持Python和MATLAB。局部敏感哈希(LSH)是用于大规模图像检索的有效方法,并且其在最近邻域搜索算法中实现了极好的性能。LSHBOX是一个简单但健壮性好的C++工具箱,提供了几种LSH算法,此外,它可以集成到Python和MATLAB语言中。LSHBOX中实现了以下LS

CSSCO

CSSCOCSSCO 灵感来自VSCO和CSSgram的CSS摄影滤镜集合。使用将下载的CSS文件路径添加到文档的<head>:<link rel="stylesheet" href="path/to/cssco.css">使用相关的CSSCO类别将过滤器添加到您的图像元素:<div class="cssco cssco--c1">   <img src="image.png

AsciiMorph
AsciiMorph

AsciiMorph是一个可在两个ascii图像之间动画过渡的库。演示使用用dom元素渲染ascii<!-- Pre elements are perfect for this. --><pre class="ascii-element"></pre>初始化库:// Initialize AsciiMorphv

ngx-fastdfs
ngx-fastdfs

ngx-fastdfs是nginx+lua+fastdfs实现分布式图片实时动态压缩。install进入docker目录docker build -t  fastdfs:dev .使用docker -idt -p 80:80 fastdfs:dev /bin/bash进入容器执行/etc/rc.local测试进入容器执行test目录下的./test.

pix2pix
pix2pix

pix2pix是一个不同图像效果的转换工具,使用ConditionalAdversarialNets技术实现。要求:LinuxorOSXNVIDIAGPU+CUDACuDNN(CPUmodeandCUDAwithoutCuDNNmayworkwithminimalmodification,butuntes