采用最小均方差对图像背景进行预测

指纹识别包括指纹预处理，指纹特征提取，指纹特征匹配，每一步骤的都有相应的算法。本源码包提供的是指纹预处理部分的指纹细化部分的代码

本书介绍如何解决图像处理中非常常见的问题-特征检测。

此代码用于图像缩放，并计算峰值信噪比、信噪比、均方误差、结构相似性指数和mssim、熵

这是一个样本，哈夫曼编码解码器实现图像压缩。您可以运行这段代码为利用哈夫曼算法的图像压缩。当然，有更好的算法和标准 （如 JPEG、 JPEG 2000） 图像压缩天生就利用哈夫曼算法。因此，利用这个项目你可以品尝哈夫曼内这些标准的工作。

应用背景 自从微软发布了kinect for windows sdkv2.0以来，开发者们就利用此外设优越 特性来进行手势识别，尤其是此更新版本加强了对骨骼进行追踪的特性。 关键技术用于kinect 的手势识别程序。一个不错的例子，易于上手-this source code is based on the IR camera kinect, and also hand gesture reconiztion theory is applied .

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

此项目使用在图像处理时我们提取特征的特征。使用 2d 或 1 d、 音乐和此代码的结果是数字图像中的傅里叶代码

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

本代码实现的是图像处理中的gamma校正，在图像处理中通常会发现图像太暗后者图像太亮，这是就要通过gamma校正得到合适的亮度，这样就有利于后续的图像处理。

目的： 若要编写 2-D 卷积的 MATLAB 函数。 理论： 2-D 卷积可以通过矩阵乘法来执行。若要执行此操作，形成， 块矩阵 H0，H1 等从一个矩阵和阻止的 toeplitz 矩阵已形成 从块矩阵。其他矩阵是以列的形式写的。然后，乘法 之间块 toeplitz 矩阵和写在列矩阵形式将产生的结果 类似于二维卷积。 让大小的矩阵 x [m，n] M1X N1，M1 在哪里的行数，N1 矩阵的列数 x [m，n]。 .让大小的 h 矩阵 [m，n] 是 M2X N2，M2 在哪里的行数和 N2 是 [m，n] 的 h 矩阵的列数。 由 y(m,n) 表示卷积 x(m,n) 和 h(m,n) 之间 在哪里 y(m,n) = x(m,n) * h(m,n) 矩阵 y [m，n] 的大小是 M3X N3，哪里 M3 = M1 + M2-1 和 N3 = N1 + N2-1 如果 A 是块 toeplitz 的 matri x(m,n)，然后 h(m,n) 和输入的线性卷积 由给出 x(m,n) y = Ax 最后重新排列 y 以获取输出响应的元素。