IDL实现图像处理

Retinex可在光线条件不好时改善图像的视觉渲染。当光线较暗时，我们的眼睛可以正确地看到颜色，但照相机和摄像机不能很好地处理这个问题。MSRCR（MultiScale Retinex with Color Restoration）算法是Retinex滤波器的基础，其灵感来自于眼睛的生物学机制，以适应这些条件。Retinex代表视网膜+皮质。

应用背景运动模糊图像是常见的模糊图像之一，在生活中处处存在，比如相机照相是手抖动就有可能造成运动模糊，在军事，交通，医学等方面都有应用，所以对运动模糊图像复原的研究有重大的意义。关键技术本文先假设运动尺度和运动角度，构造一个点扩散函数，使原图像变模糊，然后运用四种算法对图像进行复原（维纳滤波，最小二乘法，L-R，以及盲卷积），通过对比看哪种算法效果更好。

研究了下抽奖小游戏，自己做了一个。 delphi2009 编写的转盘小游戏，供大家参考， 用到了图片和播放声音，

是一个很好的基于块匹配的配准算法，可以进行精确的运动估计，可以运行出好的结果

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

这个是基于net开发的，这个程序的算法和功能都是以手写识别为基础，请大家讨论讨论！

索贝尔检测

非常好的DS证据理论算法代码，应用DS证据理论的融合算法进行图像分割，代码可用，无报错。有实例图像。

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

该代码用于提取手指静脉的特征，对于一副图像有一串二进制码。对于两幅图像，用海明距离相似度可以比较两幅图像的相似度。