使用边框和纹理分析的黑色素瘤的计算机辅助诊断

而~isDone（hvidesrc）

基于双目视觉的opencv图像处理，实现了基于机械手的双目标定，可以进行单目或者双目的标定，进行双目的匹配以及特征提取，功能齐全，但是被程序参考了前辈们的部分代码，比较适合最初的开发者

直方图均衡是图像处理的工作，以获得所述图像的亮度的均匀分布。如果它是具有低对比度的图像，它是改善图像的亮度的处理。使用cvEqualizeHist（）函数中，图像被分成三个信道，而在cvMerge函数，使每个信道的图像。

基于无人机航拍图片的拼接程序，加入了照相机参数校正，能够快速拼合场景图，做毕设时写的程序，将读取图像路径加入程序可以直接运行得到结果，中间可以显示多幅图像的匹配关系，粗匹配点对及精匹配点数，拼接时间及校正时间，最后显示拼合结果图并将图像存储

有的行人检测演示和测试此压缩文件中的一些照片。 与 OpenCV 2.3.0 的图书馆，我发现，使用默认分类器的行人。该功能是面向梯度直方图和分类的方法是支持向量机。 "hog_svm_image.cpp"正在检测一系列的名字列在一个文本文件中的照片。 "hog_svm_avi.cpp"从一段视频，只检测一个由一张图片，而无需使用跟踪方法检测到。

蚂蚁 clony 聚类算法在图像分割、 Lumer 和 feita 都有实现这种算法对数据聚类

通过采用surf算法，来分别提取两幅图像的特征点，来进行图像的匹配，利用ransac算法来剔除误匹配，实现精确的配准，根据匹配点，计算homography，进行两幅图像的拼接。实际使用中，新建一个控制台工程，将压缩包里面的两个文件加入工程，即可运行。

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

待纠正的影像和参考影像，通过获取同名点坐标，解算多项式纠正系数。然后通过多项式纠正带畸变的影像，得到无几何畸变的影像。the program designs for rectifying the image with reference image

请编程实现：类：1. 创建图像类Image，实现构造函数，构造函数重载，拷贝构造函数，析构函数。2.实现对图像的读入，保存，显示。即实现函数Read，Show，Write。3.获取图像中某像素点的值。即实现函数At()。4.将图像中每点的像素值设为同样的值。即实现函数Set。5.同一个函数实现图像的上下翻转、左右翻转。即实现函数Flip。6.裁剪原图像指定区域内图像。7.求图像的均值，方差。8.图像的旋转，缩放。主函数中实现：9.创建Image类对象img。10.读入文件中的图像“fruits.jpg”,并显示。11.利用Image类的成员函数，对图像进行翻转、旋转，并显示。12.利用Image类的成员函数，将图像缩小到1/2大小，并显示；将图像放大2倍，并显示。13.利用拷贝构造函数，创建新的对象new_img。14.给定的两个点（Point）：左上点（top_left）和右下点（bottom_right），将此指定区域内的图像进行裁剪操作，并显示结果。15.求图像的所有像素点的均值和方差，并输出。