做图画处理或计算机视觉研讨和开发，常会在线查找一些资源，铢积寸累便挖出了一堆比较牛的博主，特别阐明：做这个方向的人许多，牛人也许多，可是这些资源大部分首要杰出实用主义，相关博主也并不一定是这个领域中的泰山北斗(第一波中大部分都不是校园里的教授)，可是他们的空间里真的有料，能够学到许多。不断更新中，但大浪淘沙，我只保存最值得引荐的。
第一波是一些资源丰富的博客，有算法介绍，也有代码完成：
1、结业于荷兰特温特大学的Dirk-Jan Kroon博士，在Mathworks的FileExchange上的链接，从前到访过他本来读书时的主页，其时有句话对他的点评是，他十分喜爱计算机编程，这个真不假，下面这个链接里有他用Matlab写成的近百个程序源码，质量十分高，并且涉猎广泛。
http://www.mathworks.com/matlabcentral/fileexchange/authors/29180
2、这是研讨 image matting(中文叫抠图——这姓名真刺耳，不知道是谁始作俑者)必去的一个网站，里边有许多关于这个主题内容的介绍，包含最新的作用，评测和比照。
http://www.alphamatting.com/
3、laviewpbt的专栏，他有两个根本同步的博客，一个在CSDN，一个在博客园，自称是“一心无二用，自己只专心于根底图画算法的完成与优化，如图画增强、滤镜、切割、解码编码等，无心恋及图画识别。 ”。博客中很少有供给完好的源代码，可是对理论算法的介绍十分到位，我也赞同博主的观点，假如真的对算法了解到位了，写代码处理并不是难事。
http://www.cnblogs.com/Imageshop/
4、Rachel Zhang的专栏(浙大计算机女硕士)，CSDN博客排名百名以内的名博，里边有许多图画处理和计算机视觉的材料，有算法解说，也有许多代码完成(OpenCV居多，少数Matlab)
http://blog.csdn.net/abcjennifer/article/category/1173803/2
5、小魏的修行路(又一个女学霸，博主应该是北大女硕士)，博客都是图文并茂的，很详细很用心，代码完成上也是用OpenCV的居多。
http://blog.csdn.net/xiaowei_cqu/
6、十分棒的网站，超多资源。IPOL is a research journal of image processing and image analysis. Each article contains a text on an algorithm and its source code。评论了超越20个大的Topics，详细每个Topics里边还有许多详细的完成分支，配有可供研讨的源代码。研讨图画处理不行不看的网站。
http://www.ipol.im/
7、LIBROW，标语是The Helpful Mathematics，算法文章 && C++代码(算法偏根底)，合适初学者参阅。
http://www.librow.com/articles
8、采石工的博客
数学功底深沉、原理推导清楚的博客。十分值得引荐!
http://www.cnblogs.com/quarryman/
第二波是我所重视的一些研讨方向上比较前沿的学者主页：
1、KAZE特征检测作者的主页，里边有文章，也有代码完成。Pablo F. Alcantarilla博士人十分Nice，我给他写Email评论问题，根本上8个小时之内就能收到回复，也十分感谢他供给的一些参阅材料。
http://www.robesafe.com/personal/pablo.alcantarilla/kaze.html
2、在去噪领域中当时最成功的算法莫过于BM3D系列(当然还有BM4D等等)，下面这个是项目的主页，十分值得引荐，关于研讨降噪问题的同学真实应该细心看看。
http://www.cs.tut.fi/~foi/GCF-BM3D/
3、布朗大学Douglas Lanman博士的主页，许多有意思的作用，部分有代码资源下载
http://mesh.brown.edu/dlanman/courses.html
4、两位以色列学者(犹太人)的主页。经历中，大部分Paper的作者会在自己的网站上贴出文章，但很少附有代码，假如你自己去写个代码，许多都无法到达作者paper中给出的作用，吹水的可能性极大。可是在研讨Close-form soluting 的图画matting时，看到了以色列女学者Anat Levin的主页，作者就供给有matlab代码，很值得引荐。
http://www.wisdom.weizmann.ac.il/~levina/
别的一个以色列学者(以色列理工的Guy Gilboa教授)的主页(有关于TV去噪的代码)。
http://visl.technion.ac.il/~gilboa/PDE-filt/tv_denoising.html
