本项目使用FAISS库实现了基于K近邻的图像分类器。该分类器可以使用CPU或GPU进行训练，并支持两种特征提取方法：flat和vgg。用户可以选择使用sklearn或faiss库实现K近邻算法。
本项目使用gradio应用在 minist 上训练的最有 KNN 模型就行手写数字识别。
本项目使用gradio应用在 minist 上训练的最有 KNN 模型就行手写数字识别。
使用sklearn的KNN实现电影推荐应用
这个项目是一个文档扫描仪应用程序，使用Python编写。它可以帮助用户加载图片并裁剪文档，提供方便的文档扫描功能。
一款利用图像主体检测和人体关键点识别，帮助健身爱好者解决锻炼痛点，并且实现健身动作规范化及有效性的运动辅助APP。
这个项目包含一个用于批量处理图像的应用，该应用可以从ZIP文件中读取图像，对图像进行随机变换，然后保存处理后的图像。
本项目使用Python和相关图形库（Tkinter, PIL, OpenCV）创建了一个用户友好的图像修复应用。用户可以在应用中导入图像，使用画笔工具绘制需要修复的部分，然后使用FMM或NS算法进行图像修复。
使用Python和Tkinter创建一个简单的图形用户界面，可以调整图像的亮度和对比度，并显示调整后的直方图。
此作业包含一系列的Python代码，用于处理和分析图像。
数字图像处理课图像处理基础的作业
