OpenCV算法详解实际应用

这是CXimage的入门必下载的源码和工具，关于图片格式转换或者图像处理非常有用

应用背景VC++ 基于MFC平台，是智能监控的基础，是数字图像处理的入门代码。关键技术数字图像处理，载入图片，改变图片的灰度级别，量化，采样。

本压缩文件中是图像局部区域放大源代码，根据设置的框架，进行局部像素放大。类似放大镜功能。

这个程序使用拉普拉斯滤波器和高斯滤波器对锐化图像，图像处理的像素使用指针

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

改进自适应交叉和变异概率 在遗传算法中，通过交叉操作和变异操作使一对相互配合又相互竞争的算子的搜索能力得到飞速提高。交叉操作作用是组合交叉两个个体中有价值的信息产生新的后代，它在群体进化期间大大加快了搜索速度；变异操作的作用是保持群体中基因的多样性。为了加快收敛速度和全局搜索性能，在遗传算法计算的过程中，根据个体的情况，自适应的改变两者的概率，将进化的过程分为渐进和突变两个不同阶段。在Srinvivas等提出的自适应基本遗传算法中，交叉概率和变异概率能够随适应度自动调整，在保持群体多样性的同时保证了遗传算法的收敛性。

Bag of features（Bof）一种是用于图像和视频检索的算法，此算法的神奇之处，就在于对于不同角度，光照的图像，基本都能在图像库中正确检索。

本程序是极化图像的分割中实用的wishart方法，先用H、A方法将图像分割成为9各区域，然后用该方法进一步处理，并且最终输出结果

从网站上下载下来的程序，适合初学者阅读。其中自定义两个控件用于显示图片和灰度调节。导入的图片可以自动出现滚动轴，右侧鼠标拖动曲线调节，则左侧的图片自定显示灰度。另外还可以获取此时图片各个像素的灰度值。当然包括最基本的保存图片功能。自己是初学者，想和大家分享下，程序里的自定义控件还是做的挺好的。

基于hough 变换的的  直线提取程序 直线检测 二值化  两条直线的提取程序 有图像  MATLAB 程序