图像处理

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符

该方法能够处理无约束的模糊，但也允许使用或先验信息的约束上模糊筛选器，以及参数化的方式定义的筛选器的使用。

基于OpenCV的静态人脸检测程序的实现，已运行成功，人脸检测是目前非常前沿的技术，Adaboost算法实现起来也比较复杂，但应用OpenCV提供的函数和分类器进行人脸检测十分容易，主要包括训练和检测2个模块

直方图均衡化, 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。自己编写的程序，程序能够运行出正确的结果，希望对各位有帮助。

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

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

应用背景人脸检测技术是一种在数字图像中识别人脸的计算机技术。它可以检测到人的面孔，然后可用于识别特定的脸。这项技术目前正被用于各种各样的应用中。请检查我的代码关键技术用emgu haarcascade CV。 ；emgu CV  ；是一个跨平台的。净包装的OpenCV图像处理库。允许OpenCV函数被调用。网兼容的语言如C #，VB，VC + +，IronPython等的包装可以编译在单声道和运行在Windows，Linux，MAC OS X，iPhone，ipad和Android设备。

用MRF建模实现图像分割的源代码，有30几个函数，可以作为例子程序，对初学者很有用，能得到直观的印象。

图像处理数字成像的基本原理使用Dirth的技术的图像增强抖动的照片Liguagem C + +

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