基于特征点提取的sift算法核心代码

这是为 2 图像的拼接 自动拼图-自动缝 2 针图像在一起 画布是产生在画布的 2 张图片 行和 col 是起源的 2 张图片之间的偏移量

资源描述 网上看了很多的教程，但是按照教程来其实是不行的，而且那大多是互相抄的，明显看的出来。这是我自己看书，然后咨询了很多人，一步一步的试，最后配出来了。 使用的是QT5.5.1，opencv使用的3.0 大家主要要看我的pro文件里面的INCLUDEPATH 和 LIBS里面的写法

一个非常好的基于边缘指导的图像插值算法仿真代码    基于MATLAB里面附有论文，课对照论文学习.......................

BMP图片文件在CCS 中转换为DAT文件，内容详细，可靠。BMP图片文件作为被处理图像文件，转换为DAT文件，在某些情况更有利于程序编程，运行。这程序的作用是在CCS中将BMP图像文件转换为DAT文件。

利用MFC编程显示一个对话框，以及对对话框的设计风格，修改主框架的显示风格，要读进一幅bmp格式的图像。

  算法分两步，首先生成直方图，记录下每个灰度值的像素点个数； pg为存放直方图数据的数组，pg[i]为灰度为i的像素点个数，    ps: ——为全部灰度的一阶矩     ——为全部灰度的零阶矩，即全部像素个数 假定阈值为j，对阈值小于j

自编的matlab中值滤波算法，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

这是一个图像增强技术的实现。我用gonzaleys作为写作参考。这个是非常直接的方法。这对于那些想学习及是非常有用的。

在彩色空间中，皮肤颜色的分布较为集中，与其他景物颜色间有较好的可区分性，可以用模型描述或对样本进行学习的方法加以判别。图像中皮肤颜色的差异主要由光照引起，在检测中只考虑色度信息，就可以减少光照的影响，使肤色的分布更趋集中。通过检测皮肤区域，可以缩小人脸的搜索范围，提高检测速度。HSV空间是RGB空间的非线性变换，它将原本相关性很强的R、G、B值转换为相关性较弱的H、S、V值，H和S分量与人感受色彩的方式相一致。HSV颜色空间可以用一个圆锥空间模型来描述。

修补是重建图像的损坏部位的过程。从2.4版本开始，OpenCV的支持修复中algorithm.The棘手的部分是获得图像修复掩模，这是一个二进制图象，其中非零像素表示的区域被inpainted。让面膜后，剩下的应该是easy.After让面膜，我们可以立即拨打inpaint（）inpaint功能。 FMM的工作原理：它是基于快速行进法。考虑图像中的一个区域的补画。从本地区的边界算法开始，去里面的区域逐渐首次填补一切的边界。它需要周围的邻居像素的小邻域被涂。该像素被替换的所有已知的像素邻域归一化加权和。选择的权重是一个重要的问题。更多的权重是给那些像素躺在附近的点，接近正常的边界以及那些趴在边界轮廓。一旦一个像素是我画的，它移动到使用快速行进方法旁边最近的像素。 FMM确保邻近的已知像素的那些像素被首先inpainted，以便它只是像一个手动启发式操作。该算法通过使用该标志，INPAINT_TELEA启用。