基于OpenCV的人脸识别程序

C#数字图像处理算法典型案例(源代码) gray c#图形图像处理  基础 灰度处理

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

该源代码是本人亲自完成的，用于图像分类，采用的是所示例方法和典型的纹理描述算子相结合。经过试验证明，该方法能达到很好的分类效果。

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

这是一个利用MATLAB进行合成孔径雷达点目标仿真的典型程序，主要采取了距离-多普勒成像算法、chirp-scaling成像算法，并且还对成像性能包括积分旁瓣比、峰值旁瓣比作了仿真分析

OFDM 代码数载体： 64编码使用： 卷积编码单个帧大小： 96 位总数。帧： 100 调制： 16 QAM哈哈飞行员： 4环分机： 25%(16)

使用VS2010，opencv2.3版本，进行Lucas_kanade金字塔仿真，其中调用Opencv库函数cvCalcOpticalFlowPyrLK，获得第二帧图像的光流点，

资源描述亮度变换是指图像在空域上的点运算，通常包括图像增强，亮度对比度调节，GAMMA值调节和直方图调整等等。源代码给出的示例说明了如何改变图像的亮度和对比度，以及如何进行图像的GAMMA值调整。

mfc编程，带滚动条的图片显示，图像灰度化，加权灰度均衡化，高斯滤波处理，大律法自适应二值化算法

用高光谱数据对地物进行分类，分别用KNN算法（K—近邻）和GDA算法进行分类。 The main contents are as follows:             Introduce two kinds of classification algorithm -- K nearest neighbor and Gauss discriminant analysis.