形态学图像处理

本代码使用直方图均衡对图像进行处理，压缩包里有自带的测试图片，效果很好，图像明显变亮

组态软件开源代码，完整代码，可运行。

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。

结合Surf描述符算子和Sift描述符算子提取的图像不变特征。利用了Sift描述符对尺度，翻转的强有效性；和Surf描述符对光强的 敏感性，进行图像复制粘贴防伪检测。代码中有一个实例，可以看出检测结果。

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。

传播神经网络算法的源代码 这是监督的神经网络，需要学习率和势头的两个学习参数

检测和计数的车辆可以用来分析交通模式。检测也是之前的第一步执行如跟踪或分类的车辆的类型更

Matlab 演示代码为"引导图像过滤"（视觉 2010 年）凯明 he (kahe@microsoft.com) 如果您使用、 修改我们的代码在你的工作 （无论是作为一个独立的工具或作为一个组件 任何算法），你需要适当地引用我们视觉 2010 年的论文。 此代码是为了学术目的只。不是为商业和工业活动。 本文中报告的运行时间是从 c + + 实现。这的 matlab 程序代码是 对于那些想要重新实现我们的方法的引用。

在Delphi编程环境下，将医学图像格式DICOM格式转换为其他图像格式，使其能够在家庭电脑上查看或者处理图像。l可转换的图像格式有：4D NIFTI，SPM2,SPM5,FSL等格式