对数、指数灰度变换

利用opencv在原始图像上用鼠标点选四个点，构造出一个四边形，并依此四边形区域设置图像ROI区域，会对新手有所帮助

在 C# 中使用 Emgu CV （OpenCV.NET 中） 摄像头人脸检测它是如何执行你的相机用的人脸检测 / 网络摄像头。那麼会看到您的应用程序可以从捕获的图像的脸的检测。好奇吗？Let 的看一看如何做到这一点。这需要遵循本教程：Microsoft Visual Studio 2010。或者如果你从不没有之一，您可以使用 2008 年版Emgu CV （OpenCV.NET 中）。您可以下载此链接： http://www.emgu.com/wiki/index.php/Main_Page 中的最新版本并按照安装说明C# 编程的基本知识你应该做的第一件事安装 Emgu 的简历。安装路径应该像 C:Emguemgucv-windows-x 86 2.2.1.1150。你可以看到 insideC:Emguemgucv-windows-x 86 2.2.1.1150bin 一些 Dll 和示例程序现在，看到的人脸检测的代码

在稀疏领域比较著名的是elad的稀疏与冗余。这个程序是对elad的书本上的算法进行实现的matlab程序

从视网膜图像中分割血管，从而准确计算糖尿病视网膜病变是很重要的。在此代码中没有提供图像数据库，使用者可以使用任何免费提供的在线数据库。

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。

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

此示例代码为您提供如何图像处理完成，并使用EmguCV操纵的概念。图像处理的一个很好的例子是脸和目标检测与识别等，但在此示例代码中，我只给脸检测和人眼检测的概念。我希望你们，你欣赏和热爱这项工作......

一种快速的基于图像分块字典学习算法对图像处理包含不同的图像处理逆问题求解 包含图像去噪， 图像去模型，图像填充等方面的应用

基于OPENCV的Retinex，代码简单实用，处理效果明显！处理低能见度，去雾效果特别好，在此基础上用户可以自己编写MSR，及MSRCR的算法，希望能对你有用

本代码使用直方图均衡对图像进行处理，压缩包里有自带的测试图片，效果很好，图像明显变亮