CvThrehold

各种图像处理技术举例。其中原代码可以直接使用，非常不错。(various image processing technology, for example. The original code which can be used directly, very good.)

基于otsu的自适应阀值canny边缘检测(adaptive canny edge detection based on otsu)

26个不同影像处理程序,以VC++开发,是了解影像入门好帮手(26 different image processing procedures to VC++ Development is helpful to understand the image entry)

VC++Digital image processing

通过GDAL读取常用遥感影像，如img，tiff，可实现读取显示和雷达影像处理的一些基本算法(Read through GDAL common remote sensing images, such as img, tiff, read the display and radar can achieve some of the basic image processing algorithms)

利用回转窑生产氧化铝的工艺中，提出了一种新的基于SVR（支持向量回归）的烧成带温度软测量方法。即首先对从回转窑采集到的烧结图像进行预处理，消除噪声的干扰；然后利用大津方法分割出物料区和火焰区，并提取这些区域的图像特征；其次利用基于SVR方法建立的烧成带温度模型计算温度值；参数计算.(The use of alumina rotary kiln production process, a new-based SVR (support vector regression) of the burning zone temperature soft measurement method. That is first collected from the rotary kiln sintering image pre-processing to eliminate noise interference Otsu method and then use the materials division of the district and flame zones, and extraction of image features in these regions SVR-based method followed by the establishment of the burning zone temperature model temperature parameters.)

人脸检测：可自动检测人脸，速度还可以吧！(Face Detection : can automatically detect faces and can also speed!)

基于灰度图像进行傅立叶变换后的二值化处理(Binarization based on the Fourier transform after the gray image processing)

画图源程序-图像数据显示，可以对数据进行时间轴的曲线显示，也可以是空间轴的多维显示 (Paint source- the image data, the data can be curve shows the time axis, it can be multi-dimensional display space axis)

基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展。(Image registration is a fundamental problem in image processing, which is a process to match two or more images of the same scene taken at different times, from different viewpoints, or by different sensors. Image registration is an important technique for a great variety of applications such as medical image analysis, computer vision, remote image data analysis, image information fusion, and the recovery of the 3–D characteristics of a scene.)