图像的LBP特征

图像和视频处理和压缩是这年轻的一代人民非常重要的因为他们希望一切都以高质量低成本。在我的项目我做了什么在对压缩应当是有用的图像压缩图像而不会干扰质量

Vc++6.0和MFC编程环境下绘制金刚石的图案，附有EA-Key3.1

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

在图像中，颗粒与颗粒之间会有接触，先检测出颗粒与颗粒的接触点，也就是契形点，将颗粒接触的两个契形点找到，用直线连接，并分割开，完成接触颗粒的自动分离

资源描述delphi界面下的模糊C均值图像分割程序，可以在MyFile.txt文件中查看每次迭代的结果。

利用PCA方法对人脸图像进行特征提取和降维，人脸数据是英国剑桥大学的ORL人脸数据库是英国剑桥大学的ORL人脸数据库。可以自己选择样本数目进行测试不同样本时PCA的识别率，适合初学者！

颜色直方图，量化，采用72级量化，对图像处理初学者很有帮助，目前在研究图像检索，也是初学者，慢慢学习相关的知识，通过这些程序对毕业设计有了进一步的认识。

利用Shearlet变换对多聚焦和医学图片进行分解，将分解得到的高频系数进行绝对值取大的规则进行融合，对得到的低频系数采用区域能量和区域方差加权融合的规则进行融合，之后进行shearlet反变换得到融合图像

资源描述最全的OpenCV示例源代码. 这个资源包含了opencv中主要函数的几十个示例，详尽而且具体，并且附有程序运行所需的素材，对于学习opencv具有很强的帮助作用

这是一个完全工作三维人脸识别系统在 python 中作出。请在自述文件中找到的说明。它实现了以下功能： 1。归一化2.平滑3.内插4.裁剪5.缩放6.关键点提取7.旋转