分割线与单词

基于sift的图像复制粘贴篡改检测算法，该算法首先提取出sift特征，用的是网上提供的提取sift的混合编程方法，然后将sift特征进行匹配并聚类，再用RANSAC算法剔除误匹配对，最后用线段将原始块和复制粘贴块中的匹配点连接起来。此算法能抵抗各种后处理操作，如旋转、尺度缩放、添加噪声等以及它们的几种组合。

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术

一维条形码识别系统基于VC6.0，对输入的条形码图像进行预处理，进一步识别，是目前基于条形码进行货物扫描识别的关键。内含识别图片。

基于Kinect的信息采集系统，以采集衣服的信息为例。记录每件实物的图像信息和对应的深度信息，并且将他们一一对应的储存起来。图像信息是BGR图，并且采用了无损压缩的png格式，深度信息以灰度图png格式存储。除此之外，系统还可以记录材质，颜色，形状，类型，风格，等其他的信息。这些信息保存在Data文件夹中，以csv格式保存。图像信息保存在Images文件夹中，深度信息保存在Depth文件夹中。

这是来自http://www.pages.drexel.edu/~sis26/Eigencode.htm关于特征脸提取。

最近的背景差分法做了改进，感觉效果不错，传来希望对大家有帮助，在原先基础上对阈值进行了自适应处理，使得该方法能够更好的应对复杂环境下对运动目标的检测，排除了部分噪声对检测的影响，

利用均值濾波、形態學運算、canny找邊緣來切割血管，医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展,借助电子计算机等辅助手段,医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管,对视网膜血管的分析研究有助于疾病的精确诊断。然而,由于视网膜血管图像的灰度分布不均匀,目标血管与图像背景的对比度低,再加上图像噪声的污染,使视网膜血管的自动分割非常困难。所以,通过建立眼底视网膜图像的计算机辅助分析系统,对眼底视网膜组织进行定量分析与定性检测,对临床眼科学的病理诊断具有非常重要的意义。本课题在查阅大量数字图像处理的文献基础之上,结合DRIVE眼底视网膜图像数据库模型,通过分析不同图像分割算法的特性,对眼底视网膜血管图像进行了分割实验与对比分析,主要过程如下：1.对视网膜图像预处理。通过分析RGB彩色系统模型,对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法

利用matlab进行CT扫描图像重建。本项目提供二维DFT、正弦图、反投影

DFS 和BFS search 解决8 数码问题，宽度优先搜索算法（又称广度优先搜索）是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

这一项目显示了如何执行的基于另一个彩色图像的灰度图像重新着色的示例。它简单使用彩色的图像的作为模板来创建搜索会派生的灰度图像的新的 RGB 值的哈希值。代码使用仅 ImageIO，没有额外的库所需。