逆滤波 图像复原

基于非采样Contourlet变换（NSCT）的图像融合算法的matlab实现

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。

在图像上，绘制多种形状的方形，直线， 用来做2D矢量图像设计时使用。给出了各种绘制方形，和直线的方法。It manages simple graphic objects like rectangles, lines and ellipses, other than images and RTF text. It shows most of the capabilities of GDI+, such as color transparency, pen style, start/end line cap and so on.

资源描述标记视频中的人脸，将视频中每一帧转换为图片，然后检测

降低过分割的产生，主要从两个方面着手：1) 在进行分水岭变换前，通过对图像滤波，标记提取等手段抑制噪声引起的过分割；2) 在分水岭变换后，通过一定的合并准则，

大家好，

应用背景基于互信息(Mutual information, I)的配准方法是利用图像本身具有的灰度统计信息来度量图像的相似度，采用一定的搜索算法得到使相似度最大的图像空间变换形式，达到配准图像的目的。两个变量的联合概率分布于完全独立的概率分布的广义距离来作为变量之间的相似性测度。由于互信息测度无需预先假设不同成像模式下图像灰度的相关性，也不需对图像进行分割和任何预处理，精度高。关键技术采用二维图像空间变换模型中的刚体变换，主要是确定浮动图像变换过程中是的互信息最大时浮动图像所旋转的角度和在x和y轴运动的位移。要求得两幅图像的互信息，则要分别求取两图像的熵和二者的联合熵，而熵的求取需要使用到图像的灰度直方图，故要先求取每幅图像的灰度直方图。这一过程中需要浮动图像在变换过程中出现的非整数坐标上的点进行灰度插值（本程序采用的是双线性插值）

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

大每一本OpenGL入门的书都会讲到OpenGL的Select模式，它采用一种方法使得可以获取当前鼠标点选的几何图形。简单的来说这种方式就是首先调 整Projection矩阵，使得你透过从鼠标点选附近的一个正方形（大小可设置）看到的世界。然后开始绘制，当每一次绘制的时候都会判断你会不会看到。 如果看到，那么，你就是选择了这个几何图形了。更为具体的过程可以参见相关的书籍。 http://hi.baidu.com/sishenfuhuo/blog/item/e98b852ef94013371e30892a.html2.在OpenGL红宝书中介绍了一种简便易行的办法:在后缓冲中 使用不同的颜色重绘所有对象,每个对象用一个单色来标示其颜色,这样画好之后我们读取鼠标所在点的颜色,就能够确定我们拣选了哪个物体。这种方法有一个缺 陷,当场景中需要选择的对象的数目超出一定限度时,可能会出现标识数的溢出。对于这个问题,红宝书给出的解决办法就是多次扫描。实践证明这种方法的确简便 易行,但仍有不少局限性,而且做起来并不比第一种机制方便多少。限于篇幅,不再赘述。

图像处理的几何运算代码，其中包括canny边缘检测，像素扩算算法，图像的膨胀，拉普拉斯高斯边缘求取（LOG边缘），图像分割等处理函数。包含头文件和CPP，直接添加调用函数即可运行！本程序处理环境是在vc6.0+opencv1.0下编译的，所以请使用此版本或更高版本~~