角点检测器

直方图均衡化, 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。自己编写的程序，程序能够运行出正确的结果，希望对各位有帮助。

对眼瞳的识别 很有效 ，主 要通过使用眼睛的分类器对人眼的眼瞳进行的识别 ，显示的效果很好 ，很大的程度上能实现对眼睛的识别。

资源描述这个代码能够实现简单的1,2,3....10的手势识别，但是代码的识别率不是特别高。源码是我在网上下载，但是我自己编译时报错，发现源码中有一处细微错误。我自己更改后成功运行，但是代码本身算法不够好，精确度不高。

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

Evalvid是一个框架和工具集，用于在真实或模拟的通信网络视频传输质量评价。这是针对研究者要评估用户感知的视频质量的网络设计或设置。除了底层网络的QoS参数的测量，如丢包率，延迟，抖动，提供标准的视频质量等指标PSNR和SSIM和主观的接收视频的视频质量评价指标。目前H.264，MPEG-4和H.263支持。AAC的支持也包括在内，虽然感知质量评价必须由外部工具实施专用类似的PESQ或PEAQ做。通过Evalvid jirka klaue写。

Mean Shift，我们 翻译为“均值飘Mean Shift 这个概念最早是由Fukunaga等人于1975年在一篇关于概率密度梯度函数的估计（The Estimation of the Gradient of a Density Function, with Applications in Pattern Recognition ）中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.移”。其在聚类，图像平滑。图像分割和跟踪方面得到了比较广泛的应用。

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。

资源描述本课程一共六章：绪论及数字图像基础；第二章：信号处理基础；第三章：图像变换；第四章：图像增强；第五章：图像分割；第六章：图像特征提取与识别。并附有平时作业、练习代码和程序，初学者学完这门课，可以很容易的入门，对图像处理最基本的几方面理论对有所掌握，那么对后面深入学习来说也会容易很多。

利用灰度共生矩阵提取图像纹理特征，代码是矢量化的，速度很快。

K均值图像分割，读入彩色图片，输出区域分割后的图片-K-means image segmentation, read full-color photographs, the output image after the region segmentation