中点画圆和椭圆

利用PCA方法对人脸图像进行特征提取和降维，人脸数据是英国剑桥大学的ORL人脸数据库是英国剑桥大学的ORL人脸数据库。可以自己选择样本数目进行测试不同样本时PCA的识别率，适合初学者！

module FFT16(xn_r,xn_i,RST,CLK,START,OUT,Xk_r,Xk_i); input  [15:0] xn_r,xn_i;        //输入的实部与虚部 input  RST,CLK,START;                                            //FFT启动信号与时钟信号和复位信号 output [15:0] Xk_r,Xk_i;        //FFT输出实部与虚部 output OUT;                     //输出标志信号 reg    [15:0] Xk_r,Xk_i; reg    OUT; reg    OUT1,STRT1;     //级联FFT4的输出标志和启动信号 reg    [2:0] k,j,m,n,l,p;  //循环指针 reg    [4:0] i; reg  &nb

调用opencv原有的特征点检测提取算法，实现将指定路径下的图片使用选择算法依次进行特征点的检测与提取，并将图像以及特征点的检测和提取信息保存至文件。实现检测算法有三种算法可选。图像匹配调用原有匹配算法，在指定目录下，读取保存图像及特征点信息的文件，一次实现图像的匹配并判断和记录匹配结果。

运用张量投票的方法对摇杆影像中的特征对象进行提取，主要是针对建筑物外围的轮廓线的提取。这对于在大数据中分析局部的细节有着积极的作用

这是图像的极坐标变换！

本代码完全使用自己编写的代码实现canny算子提取边缘，并与MATLAB自带的canny算法进行比较，

Adaboost 是一种二元迭代算法，其核心思想是针对同一个训练集训练出若干若分类器，然后把这些弱分类器集合起来，构造一个更强的强分类器，使得识别效果更佳。Adboost算法常常用在计算机视觉与模式识别领域的研究课题中，如人脸检测、人机交界、目标检测等。Adaboost算法不仅计算复杂度低，而且是一种高精度分类器，不会出现过拟合现象。

边缘检测是图像处理中的最重要的主题之一。为此提出了许多方法但他们大多有表现疲弱中噪声的图像，因为噪声像素决意作为边缘。在这个项目中，两种新方法表示基础上分层自适应神经模糊系统 （HANFIS）。每个方法包含 HANFIS 营办商，收到的一些邻近的像素的值，并决定所需数目中心像素的边缘与否。列车简单图像用于设置每个 HANFIS 运算符的内部参数。实验结果表明这些方法是对脉冲噪声鲁棒性，准确提取边缘像素。

基本矩阵可以通过一组对应点确定。这个程序演示了这一问题的榜样。基本矩阵是约束的投影点从现场可以发生在这两个图像的同一场景的任何两个图像之间的关系。

应用背景 适用于数码相机等手持设备拍摄到的字符图片实现图片左下角时间识别、图片中存在的较大字符区识别。 字符区字符数建议8个以上，如果要识别的字符数有变化，可对程序中一个对字数数进行筛选的参数进行修改即可。 关键技术关键点：如何在整个图片中搜寻到字符区的方法以及搜索到以后如何进行筛选出真正的目标区。