数字 shiriking 软件

里边加上了注释，适合需要急迫，不必花费太多时间来熟悉各个语句，看注释就知道怎么个过程

图片选转,另外  ///         /// 任意角度旋转,正数顺时针旋转         ///         /// 原始图Bitmap         /// 旋转角度         /// 背景色         /// 输出Bitmap         public static Bitmap KiRotate(Bitmap bmp, float angle, Color bkColor)         {             int w = bmp.Width + 2;             int h = bmp.Height + 2;      &n

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。

根据给定的人脸的位置，输入人脸的位置，对人脸进行旋转，使得人眼视水平，并处理使人眼之间的距离是100个像素。 最后对整个图片进行裁剪，得到340*340 照片作为最后的结果。

其他格式转ETC，就是一个包装代码，调用别人实现的工具来完成我的工作。使用nodejs语言，可以作为nodejs的学习使用

超分辨率图像重建。具有非常好的效果，程序效率较高，有完整的注释和说明文档。

该代码主要完成视频图像采集和回放，将摄像头的视频数据采集上来，存入输入视频缓冲区，然后再拷贝到输出缓冲区，最终显示视频，代码包括硬件初始化，参数配置是采集回放等内容。

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

图像几何处理，包括图像平移，放大，缩小，旋转等等。通过图像几何处理，完成最基本的图像操作。

基于opencv的图像特征匹配算法，此算法可以用于图像特征检测，运动跟踪，等等