屏幕放大镜的源代码

一个VC编写的屏幕画笔，用vc6和vc2008都可以编译通过，供大家学习参考，能力有限，有不好的地方希望大家指正，共同进步，程序就是用来大家分享，可随意在屏幕上绘图

打码兔的DEMO文件，不用理解实现详细步骤，只需知道接口函数，即可立即使用的哦，非常简单使用非常不错。        有这方面需要的朋友不要犹豫了噢，直接下载吧。                                                                                                                                

在对VTK配置正确之后，读取单张tif图像。VTK本身仅仅支持单张TIF图像，或者是一个数据包，而不支持tif图像序列。若是tif的图像序列，则仅仅读取其第一张tif图像。同时在网络上参考一下资料。 http://vtk.1045678.n5.nabble.com/3D-Tiff-to-vtkImageData-class-td5607259.html http://bioimagexd.svn.sourceforge.net/viewvc/bioimagexd/bioimagexd/trunk/vtkBXD/Processing/ http://www.vtk.org/pipermail/vtkusers/2008-June/095731.html http://public.kitware.com/cgi-bin/viewcvs.cgi/*checkout*/Examples/ImageProcessing/Cxx/ImageSlicing.cxx?root=VTK&content-type=text/plain

HOG_OpenCV_Single

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。

该程序是使用MATLAB编写的代码，代码为超像素分割算法的代码。代码实现了超像素分割的自动选取种子点，分割速度快，对于一些小区域的目标也能准确分割出，分享给各位图像处理研究方向的人使用！

从自然看图像与低通滤波器和高通滤波器的帮助下删除雨的有效方法。因为它并不清楚的图像了在雨中我们可以消除图像的雨滴。通过这段代码中，我们可以获得清晰的图像。1.输入图像2.转换为灰度3.预计算高斯距离权重。4.申请双边滤波器。5.提取局部区域。6.计算高斯强度加权。7.计算双边滤波响应。8.图像分析的 K-均值聚类9.K SVD 算法的应用

应用背景用于标准灰度图像的JPEG压缩，编码。计算压缩比，PSNR的值关键技术压缩中用到许多编码方法Huffman编码、RLE 、DPCM

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。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。