本地和全球水平集

这个主要是是在VC++6.0下运行的，在MFC对话框下显示一副灰度图像，可已将灰度图像显示在相应的图片控件上，并且实现灰度空间转换。希望能帮助大家，谢谢！！

导入彩色图片并转换成灰度图片显示出来，C++，RGB转灰度

资源描述视频处理需要提取前景，相对于简单的帧差法而言，混合高斯建模能直接提取出前景，但是运算量有些大。

基于暗原色先验的去雾算法，效果不错，包含完整的源代码程序，并附有实验结果图。可以成功编译并运行，速度较快。使用Opencv结合C++语言实现的。

VTK图像弯曲变形源代码VC + +，初学可以研究。vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究，VTK图像弯曲变形源代码VC + +，初学可以研究。vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + + + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像变形源代码VC + +中，你可以学习的初学者 

资源描述利用FPGA实现的图像放大源程序，基于XILINX的ML505而实现，其它设备也可参考，主要包括vga模块，iic模块和放大模块！

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.

#include "stdafx.h"#include #include "windows.h"#include "fstream"#include using namespace std;using namespace cv;//为了方便，这一部分是利用提取HOG特征，SVM对图片进行分类。int _tmain(int argc, _TCHAR* argv[]){     vector img_path;////输入文件名变量       vector    img_cat;//category类型     int nLine=0; //定义行     string buf;     ifstream svm_data("C:UsersdellDesktopCharRegCharReghb1.txt");     //训练样本图片的路径都写在这个txt文件中使用bat批处理文件可以得到这个txt文件.      unsigned long n;      while (svm_data)  //将训练样本文件依次读取进来         {          if (getline(svm_data,buf))

PHOG形状描述特征能同时描述物体的局部形状和形状的空间布局。其特征表示是通过逐级分割图像，对同一幅图像进行不同尺度的分割，然后计算每个尺度中patch的小HOG，最后综合每一级各分块的梯度方向直方图，组成一个梯度方向直方图金字塔。

在隐写术过程中，在空间域中嵌入秘密图像覆盖不是不可感知性和鲁棒性，所以要频率域。在频率域、 DCT 用于拆分的低频和高频 spareately。它是比空间域