图像处理

编号队列具有更高的出列优先级编号队列具有更高的出列优先级编号队列具有更高的出列优先级编号队列具有更高的出列优先级

本代码使用opencv编写，针对的是图像图像处理，可以实现对图像的边缘检测，其使用了3个常用的算子：Canny算子，sobel算子，laplace算子。这三个是不同的例程，可以对边缘检测结果进行对比，比较三种检测方法。

应用背景人头统计的一种算法，人头统计的一种算法，人头统计的一种算法，人头统计的一种算法，人头统计的一种算法，人头统计的一种算法2关键技术利用opencv的一种检测人数的算法，程序可以直接运行，利用opencv的一种检测人数的算法，程序可以直接运行利用opencv的一种检测人数的算法，程序可以直接运行2

vtk多边形布尔运算源码,处理效果很棒,但对100000个以上的三角面片处理比较慢-vtk polygonal Boolean operations source code, the operation result is great, but for more than 100,000 triangles it is a little slower

对图像进行去噪处理，运用小波变换将其进行四层分解，进行小波变换可以将图像的高频和低频分量，分离出来，高频分量里又包含了大量的纹理特征信息，通过对图像进行小波变换提取图像特征量的均值和方差，作为图像的纹理特征

利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

应用背景图像处理在现实生活中用的越来越多，机器视觉内软件开发也越来越流行，编程语言也很多，labview变成门槛低，学的快，好用，实用。关键技术图像处理中包括一些基本操作，如图像的读取，灰度转换，滤波，形态学处理，例如：开运算、闭运算、高斯滤波等等，以及文件的保存，图像的差分，阈值的分割。

代码实现了对数字图像的离散傅里叶变换，快速傅里叶变换，离散余弦变换（DFT,DCT,FFT）