分割线与单词

caffe学习笔记4_学习搭建自己的网络——MNIST在caffe上进行训练与学习学习笔记1_CIFAR-10在caffe上进行训练与学习学习笔记2_用一个预训练模型提取特征学习笔记5_逐层可视化图像特征

源程序可以隐藏内部图像数据。

多种中值滤波器 (5 点交叉, 1x2, 1x3, 2x2, 3x3, 3x4, 4x4, 4x5, 5x5, 7x7) 来降低图像中的椒盐噪音。我还计算了 MSE 值来决定中值滤波器的质量并画出图形来表示 MSE 和中点

是关于 数字图像处理典型算法及实现（源代码），是不错的算法及代码的实现，大家可以借鉴下，愿对大家有帮助。

该代码通过调用windows gdi函数获取系统画图句柄来截取屏幕。 希望对vfp爱好者有所帮助。

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0深度帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0深度图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，depth数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

图像增强技术是图像处理领域中的基本技术之一。图像增强的目的是信息的改进的可解释性或感知在图像中的人类的观众，或为其他自动化图像处理技术提供更好的投入。近年来，灰度图像增强技术发展迅速。这些算法有一定的灰度图像增强的效果。然而，我们通常处理在日常生活中的彩色图像。由于诸多因素，如有限的动态范围、 照明的影响和显示设备，获得的图像质量的下降，这意味着许多重要的信息很难被人告诉 的眼睛。同时，它是不适合直接使用灰度图像增强技术的彩色图像。因此，我们需要开发彩色图像增强技术，处理的问题。与灰度图像相比，彩色图像仍有颜色的信息，所以那彩色图像是灰度图像比更生动。现在，基于人眼视觉特性，许多彩色图像增强算法已被提出。Retinex 是一种有效技术的彩色图像增强，可以产生很好的增强的效果。但增强的图像具有颜色失真和计算比较复杂。一种鲁棒的彩色图像增强算法。该算法可以提高彩色图像不失真，但彩色图像的边缘不能处理得好。该算法使用高斯滤波估计的背景图像。高斯核函数是各向同性，这会导致不准确估计的背景图像，从而导致的光晕现象。提出的算法包括三个主要部分 （1） 获得亮度的图像和背景图像，（2） 自适应调整，(3) 彩色恢复。

非负矩阵分解是今年来提出的一种新的方法，其在图像处理，机器学习，模式识别，高光谱图像解混等领域都有很广泛的用处。这里是将它用在人脸识别上！

此项目工程主要完成模式和非模式对话框的显示，非模式对话框好处在于，创建弹出窗口时可以采用该模式，这样便于修改，否则还需将改窗口关闭后才可进行下层窗口的操作。很实用的代码。