图像评价（均值、清晰度、信息熵、标准差）

应用背景基于互信息(Mutual information, I)的配准方法是利用图像本身具有的灰度统计信息来度量图像的相似度，采用一定的搜索算法得到使相似度最大的图像空间变换形式，达到配准图像的目的。两个变量的联合概率分布于完全独立的概率分布的广义距离来作为变量之间的相似性测度。由于互信息测度无需预先假设不同成像模式下图像灰度的相关性，也不需对图像进行分割和任何预处理，精度高。关键技术采用二维图像空间变换模型中的刚体变换，主要是确定浮动图像变换过程中是的互信息最大时浮动图像所旋转的角度和在x和y轴运动的位移。要求得两幅图像的互信息，则要分别求取两图像的熵和二者的联合熵，而熵的求取需要使用到图像的灰度直方图，故要先求取每幅图像的灰度直方图。这一过程中需要浮动图像在变换过程中出现的非整数坐标上的点进行灰度插值（本程序采用的是双线性插值）

蚂蚁 clony 聚类算法在图像分割、 Lumer 和 feita 都有实现这种算法对数据聚类

自组织特征映射（SOFM）学习对输入向量进行分类，根据它们在输入空间的组合规律。自组织映射在竞争层不同于在该相邻的神经元中学会识别的输入空间的邻接部。因此，自组织映射学习神经元分布（就像竞争层）和都是受过训练的输入向量的拓扑结构。本代码是关于自组织特征映射的c++代码，实现了聚类的功能，可以帮助初学者理解神经网络的相关变成内容

应用背景蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。关键技术蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

C#数字图像处理算法典型案例(源代码) gray c#图形图像处理  基础 灰度处理

图像处理，包括模糊，对比度，饱和度，旋转，翻转，锐化等等。

opencv MFC摄像机标定。利用张正友棋盘标定法，计算出畸变参数，进行纠偏处理等功能。适用于单目相机标定，适合初学者学习使用。

包括人脸图像获取、人脸图像预处理、人脸表征、人脸检测、人脸分割和人脸的判定，并对其中的具体实现技术和方法进行了全面阐述，最后，针对视频图像，对动态人脸跟踪进行了探讨，并对人脸识别的现状和研究趋势进行了说明。

在本文的最后阶段,使用此视频图像运动目标分析系统进行了大量实验,并全面分析了实验现象和数据。通过这些现象和数据可以得出结论:本文基于OpenCV设计的视频图像运动目标分析系统具有良好的实时性,能够正确的进行运动物体的实时检测和跟踪,并具有良好的鲁棒性。由于该系统在Windows下开发,如何将该系统移植到其他的系统或者是嵌入式平台并进一步提高系统的通用性和鲁棒性就成了今后研究工作的重点。

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。