水平集的matlb程序

资源描述opencv的安装的过程中主要按照网上的教程进行，但是最重要的是认准版本和自己的电脑对应，以后和vs的版本对应。在添加完vs2012后就可以对其实现测试功能，查看你的opencv是否配置成功。这是一个简单的opencv读取图片的过程。

应用背景利用配置好opencv2.4.9的VS2008实现SIFT变换的完整的一个DEMO关键技术数字图像处理中图像特征提取技术，两幅图像的匹配问题

图像处理，利用数学形态学的知识对字符图像进行处理；字符图像的端点提取，以及交叉点提取，T型端点检测有待完善。字符细化效果不是很好。

图的谱聚类概念提出了一种在下列文件中的说明代码执行教程目的： 1。吴、 A.、 Jordan M.和韦斯 Y.(2002 年)。谱聚类： 分析和算法。在 T.Dietterich S.贝克尔和 Z.Ghahramani (编)，进展神经信息处理系统 14 （页 849 — — 856)。麻省理工学院的 Press.2。P.数字和"分解方法分组"，H.伯卡特和 B.Neumann，编辑，触发视觉，T.，弗里曼 · 页 655-670-1998.3。J.石和 J.马利克、"归一化处理削减和图像分割"、 刘瑞 IEEE conf.计算机视觉和模式识别，页 731-737，1997.4。佩里 · 斯科特和 H.C.隆-希金斯、"功能分组由 Relocalisation 的特征向量的 Proxmity 矩阵"，在刘瑞英机展望会议，页 103-108，1990年。此实现中，演示了演化谱聚类方法与上述作者所提出的各种概念。

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

2d 到 3d 视频 converterinput 给出了作为视频将与代码的 3d 的效果

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

基于Visual Studio 2010的计算机视觉+ openCV2.4.5得到的10对图像，以计算出摄像机，包括焦距，旋转和转换的更确定的参数，并计算点的3-D世界。与一些像素误差，但好于几乎整个采样图像。

图像水印技术近年来得到了越来越多的研究兴趣。我们有不同类型的图像水印技术。在这段代码中，我使用DWT和SVD做了图像水印。

本代码主要实现二维图形的绘制。运行程序，鼠标在窗口中任意点击绘制图形，点击鼠标右键获得封闭图形。