基于opencv的点追踪

   用OpenCV与C++结合实现的基于PCA算法的人脸识别，适合新手掌握PCA编程模型。

    自适应二值化能更好的将图像中的轮廓凸显出来，多边形拟合函数使轮廓易于匹配。

用matlab去撰寫ssim,psnr的計算 是用ssim,psnr的定義去寫的，並非matlab內建指令

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

3 的输入的参数。第一是名称您想要使用的图像文件 （放在引号）。第二个是伽玛校正因子，用于改变方法的产品出来。摆弄数字 1 到 5 之间直到它看起来不错。（一般低的数字使其暗）。第三个输入是您想要输出到一个文本文件的名称。示例函数调用：asciipic2("imagename.jpg",2.5,"outputname.txt")

此代码用于提取指纹的确切特征。从这段代码，我们可以得到的分岔和终止脊与这个我们可以使用此方法验证的目的。

此代码是由RGB转换为标准的RGB空间的算法，此代码基于opencv与c++语言，标准的rgb是指各通道的值除上三个通道之和，得到的标准rgb空间对光线的敏感性大大减小，对于跟光照有关的图像处理领域有很大的帮助。

目标检测的matlab代码，能在windows上运行，代码并不是个人原创，而是在别人基础上稍作修改，移植到windows平台中

OpenCV/c + + 程序计算，然后可视化图像的猪描述符。该程序采用 HOG 描述符并通过遍历所有块和将梯度的长处为每个单元每个块添加到每个单独的单元格来计算每个单元格中的梯度幅值，然后最后平均梯度的长处。