超分辨率

应用背景相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！关键技术vs上基于opencv库函数，使用c语言编译，采用张友元棋盘标定法算法，解决面阵相机拍摄图像的畸变。效果很好。可以解决图像的畸变。。。最好需要10张以上有位移偏差的图像。棋盘图必须完全位于相机的视野内。。。。。

做图软件的设计，有各种图源的设计包括园/直线/点等各种做图元素的基本构型都有详细的做图代码 主要涉及简单的界面大合集，界面优化，人际交互设计。基本涵盖了基本做图软件的各种基本图形元素的构建，希望给读者一些帮助。

此应用程序是在 OpenCV 意在从用户的头、 手和身体动作生成事件的网络摄像头图像处理库。这个库还打算跟踪对象，这样就可以使增强的现实。为提高人机交互，应用程序将使用一个网络摄像头，而无需使用红外光谱或扩散照明技术。除了跟踪职位，此库也将能够提供更高级别事件和手势像获取用户的三维位置，并打开的手势。与虚拟物体碰撞也是增强现实中。

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

3D 是真的-真的几乎没有执行。它运行和 （应该是） 无缺陷。提供的帮助和代码有很好评论。最后一个未实现的方面是"滚"的能力 （除了偏航及变） 3D 内核。数学运算，以实现它是在代码中，和你需要做的就是取消注释。我发现不是这样做，因为我不干了它，发现感觉不像数学思维创造适当大小的网格。此外包括了 2D 版和一个小朴实无华的实用程序来查看 3D 矩阵。这由大量修改 23253： gabor_fn.m 由高阳

资源描述利用opencv 2.4.9和C、实现RobHess库中图像特征点的提取。改代码经过测试，可用。提取出图像的特征点，并标明图像特征点的大小和方向

jepg图像压缩。。。包含分块DCT，量化，zigzag,反zigzag,反量化，和反dct。。。。没有包含编码内容。。。此程序没有使用能满足刚好分为8*8小块的图片而是使用不规则图片。。。通过补齐黑边来实现程序的通用性。。。压缩包中包含有测试图片。。。可以对任何维度的图片使用。。。缺点是使用循环较多。。。运行速度较慢。。。

应用背景meanshift是由Comaniciu最先提出来，是用于跟踪非刚性物体的一种算法。为了表征目标，首先需要选择一个特征空间。参考目标，用在特征空间中概率密度函数q表示，例如参考模型可以选择目标的颜色概率密度函数。不失一般性，目标模型可以认为中心处于其所在空间的中心。在下一帧候选目标被定义为在位置y，用概率密度函数p(y)来表示。关键技术本算法结合颜色和纹理信息对目标进行跟踪，里边包含测试的视频文件。目标和候选直方图之间的相似度函数记作公式(1)，相似度的局部最大意味着在候选模型与目标模型匹配。如果仅考虑颜色信息，候选区域的相似度变化会很大，匹配效果不好。为了得到一个连续性的相似度函数，在空间域内，用一个核函数对目标 区域做滤波处理。

Latest Matlab implementation of Local Phase Quantization (LPQ) descriptorsLPQ(Local Phase Quantization)算法的原理是假设平滑函数h(x)中心对称，则其傅里叶变换为H(u)，对所有H(u)≥0有∠G(u)= ∠F(u),其中F(u)和G(u)分别为原图像和平滑后图像的傅里叶变换，因而在H(u)≥0条件下，图像对平滑有不变性。

资源描述 basler相机调用程序 读取相机数据 抓取图片，图像处理