实现两幅图像的匹配和拼接

希尔伯特变换在 matlab，它由希尔伯特 · 阿里，住在附近馕店，目前他在短的 chadii，是和开发为他美丽的 superviosr 李 * 李 *，希尔伯特程序的点子他实际上

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。 程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文

图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述 ，用BoW描述完图像之后，就可以用SVM训练分类模型进行分类。这里除了用SVM的RBF核，还定义了一种核： histogram intersection kernel，直方图正交核。实验中的图像是一些Action的图像，共6类，每一类60幅，40训练20测试。

自己图像处理课程的代码。 包括位图的打开、显示以及常用的图像处理算法实现。 比如DCT变换以及逆变换、各种滤波方法以及锐化方法。 最后还添加了一个简单的验证码识别算法。利用垂直投影实现。

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。

Fig2.jpg是有渐晕现象的拍摄图片  func_k.m 是渐晕模型中的参数设置 vignetting.m是主函数 主函数如下： Pi = 3.1416; d = 400; w = 0.0236 * Pi; figure(1); fid = imread("e:matlab71fig2.jpg");    %打开有格式文件 subplot(1,2,1); imshow(fid);

本代码使用opencv编写，针对的是图像图像处理，可以实现对图像的边缘检测，其使用了3个常用的算子：Canny算子，sobel算子，laplace算子。这三个是不同的例程，可以对边缘检测结果进行对比，比较三种检测方法。

l  跨浏览器，可兼容IE7--IE10， FireFox， Chrome， Opera等几大内核的浏览器，且不需要浏览器再加装任何控件。 l  多系统兼容性、可移植性:由于只包括前台UI,因此二次开发者可很方便将本插件用在任何一种需要流程图的B/S系统应用上，流程图的详细实现逻辑完全交于后台程序开发者自己实现;

基于运动的多目标跟踪