表面 Blur_Bilateral 筛选器

这是一个测试代码，使用matlab的gui界面，它有很多问题需要解决，如果有人需要它，并且喜欢纠正它，不要犹豫。我的电子邮件是a517614879@163.com

这是一个关于图像匹配的代码，有sift，surf的 特征检测 ， 特征提取等，有它们的具体实现算法，很值得研究，也比较适合初学者

函数代码 = huffman(p) 哈夫曼 %生成符号源变量长度的哈夫曼代码。 代码 %= HUFFMAN(P) 返回一个哈夫曼代码作为二进制字符串的单元格 %数组的代码输入的符号概率矢量体育在代码中的每个单词 %对应于其概率是在相应的指数符号 %的体育 % %检查输入的参数的合理性。 error(nargchk(1,1,nargin)) ； 如果 (ndims(p) ~ = 2) | |(min(size(p)) > 1) | |~isreal(p) | |~isnumeric(p) 错误 ("P 必须是一个实数值向量"） ； 结束 %全局变量生存所有递归函数 "makecode" 的 全局代码 CODE=cell(length(p),1) ；%Init 全球太阳能电池阵列 如果 length(p) > 1%时多个符号...... p = p/sum(p) ；%规范化输入的概率 s = reduce(p) ；%做哈夫曼源符号削减 makecode (s，[]) ；%以递归方式生成的代码 其他 代码 = {"1"};%其他、 微不足道的一个符号案例 ！ 结束 %……………………………………………………………….% 函数 s = reduce(p) ； %在 MATLAB 的单元格结构中通过创建一个哈夫曼源减少树 减少 %执行源符号减少，直到只有两个 剩余的 %符号。 s = cell(length(p),1) ； %生成符号节点 1 2、 3，开始树...到引用 %符号的概率。 为我 = 1:length(p) s {i} = i ； 结束 同时 numel(s) > 2 [p，我] = sort(p);%排序符号概率 p(2) = p(1) + p(2) ；%合并

应用背景利用机器视觉进行障碍物检测时，需要定位障碍物的坐标，由于相机有畸变，因此需要进行标定。这对于精确的定位障碍物有很大的作用。关键技术附上代码的同时还有标定图片，只需要修改一下图片存取的路径即可使用，特别适合初学者学习和使用。本标定采用opencv内置函数，基于张正友的算法思想。基于opencv1.0和vc6.0写成。

这个代码可以实现几幅有重叠部分图像的拼接，而且效果很好，采用的是opencv库函数。实现简单。而且很容易看懂，对于类似工程的开发有很大的意义/

用于曝光融合的常用图像序列，从欠曝光到上曝光；

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

在区域匹配算法中,通常使用的相似性测度函数主要有:SSD、SAD、ZSAD、NCC、ZNCC等。最简单的相似性测度函数有绝对误差和(the Sum of Absolute Differences，以下简称SAD)。 

应用背景meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。关键技术首先设置好参数，然后用函数pyrMeanShiftFiltering()对输入的图像进行分割。分割后的结果保存在该函数的第二个参数即输出图像中，最后根据该分割图像的特点用floodFill()函数对其分割的结果用不同的颜色进行填充。当然该函数的使用暂时没有彻底的弄清楚。

各种算法已经被提出了FACE RECOGNITION.OUR第一步是人脸检测涉及检测面部在IMAGE.VARIOUS影像已更新了DATABASE.THEN下一步涉及人脸识别是用来判断是否照片匹配了数据库。