Виталий Пухов

из того что приходит на ум попытаться обучить нейронную сеть на поиск ватермарков, чисто теоретически она сможет угадывать в подавляющем проценте изображений.

road4me.com/file_syncronization/disk-google-prosto... смотреть ту часть где описывают "Google Drive как сетевой диск", подключается в виде "сетевого диска" и после уже с ним работаете как с обычным локальным диском.

www.faststone.org/FSResizerDetail.htm

смотря насколько точно это нужно, в простейшем (но не быстрейшем) случае достаточно будет сделать так:
написать функцию которая работает примерно так:

Проверка(исходное; фрагмент; точка) где точка место на исходном изображении в котором проверяем наличие фрагмента.
наличие же фрагмента определяем как разность по модулю цветов в каждой точке (r1-r2,g1-g2,b1-b2)

Далее делим исходное изображение на "клетки" и пробегаем по каждой из них и проверяем нет ли там фрагмента, в тех местах где фрагмент разница будет меньше чем в тех места где его нет.
Точность "поиска" будет зависеть от размера сетки, размер нужно брать не меньше четверти размера фрагмента, иначе можно и не найти фрагмент. Так же можно задать "немного не совпадает" и заодно "ускорить" алгоритм путем пропорционального уменьшения размера обоих изображений, координата соответственно будет так же "увеличиваться" в той же пропорции.
Вы не указали конкретный язык поэтому только описание алгоритма, для некоторых языков описанное выше можно найти в виде готовой библиотеки.

собственно вопрос лишь в том, требуется ли найти данный конкретный автомобиль или автомобиль вообще, второй вопрос в скорости работы алгоритма, то есть для каких целей он будет использоваться, все это определяет выбор алгоритма. Для начала можно почитать здесь и здесь

такой библиотеки вероятно нет, ибо крайне специфическая задача, не имеющая идеального решения, в данном случае можно лишь вероятностно оценивать похожа\непохожа. И тут опять же возникает вопрос, что значит покропанные? Если имеется в виду обрезанные, то алгоритм еще сильнее усложняется, потому как придется искать вхождение первой во вторую. При чем если подразуемевается еще и изменения размера копии, которая была обрезана, то не известно становится какая из них в какую вложена, задача по сложности сравни собиранию мазаики. Нужно определить более точно задачу и поискать подходящие под них библиотеки, к примеру если задачу поставить так: существует оригинал и существует набор заведомо худших копий (отличающихся размером и качеством\необрезанных), тогда решение сводится к ресайзу оригинала скажем к размеру 512х512 и копии к тому же размеру, затем любым способом сравниваются оба изображения, если они "похожи", значит и копия была похожа на оригинал

12 часов в день это немного, я провожу иногда по 16 часов перед разными дешевыми мониторами и проблем с глазами нет, по части цветопередачи конкретного Value по которому можно было бы судить о качестве цветопередачи у мониторов нет, единственный более менее надежный критерий это тип ЖК матрицы, про плюсы и минусы каждого отдельного типа информации много, одного какого то, который можно было бы назвать лучшим нет. Как вариант можно выбрать кондидаты в покупку по типу матрицы и после в магазине провести простейшие тесты по шаблону цветопередачи (который легко нагуглить).

Нужна конкретизация что именно нужно, в тех статьях в общих чертах все расписано неплохо, все остальное легко гуглится.

Не совсем понятна задача, нужно в фотку "вставить" рамку, в которую вставить кусок искомой фотки, накой такое извращение над фотографиями?
Даже если исключить бессмысленость задачи она сводится к поместить слой на картинку, зачем здесь вообще преобразования. Ну и вообще ровно тоже самое насколько я помню умеет делать Picasa в своих коллажах, поэтому можно просто ее поставить грузануть туда фотки и поиздеваться там как душе угодно.

Смотря что имеется в виду под "обработка", если это чтото конкретное можно повесить задачу на "бэкенд" и от него забирать уже обработанный результат. А так браузеры в Android ничем не хуже обычных, все что работает на PC будет и там работать, ну может тормозить начнет на самых китайских моделях.