VC二维码识别

资源描述对鱼眼拍摄的镜头进行俯视变换功能，同时对鱼眼进行校正。运用C++鱼眼进行编程，读取图片并且进行校正和图形变换，然后进行保存。

利用主动轮廓线算法和TV模型进行图像处理！ 对应于文献：Fast Global Minimization of the Active Contour/Snake Model

该代码为基于DSP图像处理方式中一种常用的sobel边缘检测算法。主要用于数字图像的一阶梯度计算和边缘检测。在技术上，它是一个离散的一阶差分 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

机器学习算法代码，可以用于分词，图像识别，行为识别等 原版本只可以在32位xp下运行，经本人修改，适用于各种版本matlab windows   clear all useMex = 0; % Set this to 1 to use mex files to speed things up %% Generate Synthetic Data % Notes: %   - X is categorical, each element X(i,j) contains the value of feature j for word i, %       a value of "0" means ignore the feature for this training example %   - y is cateogircal, each element y(i) contains the label for word i %       a value of "0" indicates the position between sentences [X,y] = crfChain_genSynthetic; nWords = size(X,1); nStates = max(y); nFeatures = max(X); %% Initialize parameters and data structures [w,v_start,v_end,v] = crfChain_initWeights(nFeatures,nStates,"randn");%初始化参数为正太分布，w状态-特征，v状态-状态 featureStart = cumsum([1 nFeatu

我们介绍使用现代可编程图形处理单元的 GPU 的实时图像处理技术。GPU 的是本质上的数据并行的 SIMD （单指令，多数据） 设备。通过利用 NVIDIA GPU 编程框架，"计算统一设备架构"CUDA 作为一种计算资源，实现了图像处理算法计算中的会显著加速。我们表明，一系列的计算机视觉算法映射很容易到 CUDA 具有显著的性能增益。具体来说，我们展示了我们的方法的效率，让并行化和优化的图像处理、 形态应用程序和图像积分。

该项目旨在将图片上载到图片的文件夹，并将调整的图片上载到四个不同的文件夹是图片文件夹的子文件夹。该项目包含两个主要文件夹 （包括和公用文件夹），你会发现前端活动程序时的后端和联机分析处理程序包含文件夹在公用文件夹中。 请按照下面的步骤来设置您的应用程序： 1） 打开 config.php 文件里面包含文件夹，用你真正的数据库名称替换"yourdatabasename" 2） 创建一个表，在 mysql 数据库中以 profilepicture 作为名称和如下领域： id、 文件名、 类型、 大小、 标题、 目的、 verify_string、 create_date、 tagvalue 3） 到指定图片名称，"Mypicturename"index.php 里面的变化动态 谢谢

图像的处理方法根据自己的需要，有目的地选择各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取对脸部区域的获取则比较高，达到95%以上，并且提取速度快，可以减少工作量。 由于图像的亮度在不同环境的当中，会受到不同光线的影响，图像就会变暗或变亮，我们就需要要对它的亮度进行调整，方案主要的方法是对图像进行光线补偿。 高斯平滑：高斯平滑就是对整幅图像进行像素 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

很不错的DICOM图像读取、处理的DEMO。很不错的DICOM图像读取、处理的DEMO很不错的DICOM图像读取、处理的DEMO

很详细的代码啊   直接就可以拿来用 vc++的数字图像处理     很实用  很有趣啊    学习的时候可以拿来借鉴啊

自编的一个效果很好的边缘检测算法，里面一共有5个函数，可实现图像二值化，标记边界，获取质心等功能。用这个边缘检测算法比matlab自带的边缘检测函数更快，检测出来的效果更加好。可以较为精细的检测出图像边缘轮廓，用多副图像进行测试都能获得很好的效果。