pcl vs2010 sample code

自编的一个效果很好的边缘检测算法，里面一共有5个函数，可实现图像二值化，标记边界，获取质心等功能。用这个边缘检测算法比matlab自带的边缘检测函数更快，检测出来的效果更加好。可以较为精细的检测出图像边缘轮廓，用多副图像进行测试都能获得很好的效果。

Harris角点探测算法函数，input: 灰度级图像  output：角点位置，行列索引值非常简单实用的图像特征点探测算法。也没什么好说的觉得写还行就传上来分享下顺便混点经验。。。。。。

     Harris Corner是最典型的角点检测子Corner Detector。角点经常被检测在边缘的交界处、被遮挡的边缘、纹理性很强的部分。满足这些条件一般都是稳定的、重复性比较高的点，所以实际上他们是不是角点并不重要（因为我们的目标就是找一些稳定、重复性高的点以作为特征点）。

isodata是一种非监督分类，又叫迭代自组织分析，通过设定初始参数而引入人机对话环节，并使用归并与分裂的机制，当某两类聚类中心距离小于某一阈值时，将它们合并为一类，当某类标准差大于某一阈值或其样本数目超过某一阈值时，将其分为两类。在某类样本数目少于某阈值时，需将其取消。如此，根据初始聚类中心和设定的类别数目等参数迭代，最终得到一个比较理想的分类结果。这里是它的的matlab程序，套用性强，容易移植

这是来自http://www.pages.drexel.edu/~sis26/Eigencode.htm关于特征脸提取。

简单的 java 代码为 creatinf 的 image.however 的直方图它也不会有人使用筛选的图像增强。

通过模糊c-均值（FCM）聚类实现图像的分割。动态聚类方法的目的是把n个样本划分到c个类别中的一个，使各样本与其所在类均值的误差平方和最小

图的谱聚类概念提出了一种在下列文件中的说明代码执行教程目的： 1。吴、 A.、 Jordan M.和韦斯 Y.(2002 年)。谱聚类： 分析和算法。在 T.Dietterich S.贝克尔和 Z.Ghahramani (编)，进展神经信息处理系统 14 （页 849 — — 856)。麻省理工学院的 Press.2。P.数字和"分解方法分组"，H.伯卡特和 B.Neumann，编辑，触发视觉，T.，弗里曼 · 页 655-670-1998.3。J.石和 J.马利克、"归一化处理削减和图像分割"、 刘瑞 IEEE conf.计算机视觉和模式识别，页 731-737，1997.4。佩里 · 斯科特和 H.C.隆-希金斯、"功能分组由 Relocalisation 的特征向量的 Proxmity 矩阵"，在刘瑞英机展望会议，页 103-108，1990年。此实现中，演示了演化谱聚类方法与上述作者所提出的各种概念。

基于Visual Studio 2010的计算机视觉+ openCV2.4.5得到的10对图像，以计算出摄像机，包括焦距，旋转和转换的更确定的参数，并计算点的3-D世界。与一些像素误差，但好于几乎整个采样图像。

QT 截屏源码，实现截图，编辑，存储和格式转换！！编译通过注释比较全；是QT应用中比较规范的东东！！效率比较高。