基于 opencv 的彩色滤光片

基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展

指纹的特征提取包括端点及交叉点的提取，然后进行去伪点操作，最后再进行特征点匹配，最终得出匹配结果！调试通过

用vc++实现了两种经典的小波去噪算法、 对于初学者很有意义

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

这是初学者的计算机视觉和图像处理的基本操作。在这一来源代码作一些图像操作。这些都是 ；阈值 erosiondilation

给定一个含有人脸的图片，可以自动找到双眼，然后把人脸裁剪出来，将人脸进行旋转，到水平， 并将两个眼睛之间的像素整定成100，整个图片是 340*340

RobustPCA 是最近提出的一种非常新的图像矩阵分解算法，该算法具有对噪声不敏感、能处理高维图像数据的特点。这是论文作者提供的 MATLAB 实现代码 RPCA (Robust Principal Component Analysis)是目前用于矩阵填充、图像去噪的最有效的优化方法。该代码是求解RPCA的一种数值算法

matlab练习程序（多圆交点）最近总是对计算几何方面的程序比较感兴趣。多圆求交点，要先对圆两两求交点。有交点的圆分为相切圆和相交圆。相切圆求法：1.根据两圆心求直线2.求公共弦直线方程3.求两直线交点即两圆切点。相交圆求法：1.求公共弦方程直线。2.公共弦直线方程和其中一个圆方程联立求解即可。公共弦直线方程就是两圆方程的差。 

设置视频的filter，通过directx，c++实现，请大家详细的查看源码，在开发过程中可能会遇到很多意想不到的问题，这只是一个实例，你可以通过这个实例来好好的学习一下directx，微软的东西总是那么的出乎人的意料啊，要有耐心的看完这些代码，用心看，用脑看，具体里面怎么写的，你就自己看吧，只有自己学会了才是自己的东西，别人给的都不是自己的，好好学习天天向上。

资源描述实现的adaboost训练分类器详细过程，可配合adaboost算法实现一起使用