图像亮度变化

人脸识别的源代码，亲测可用。采用PCA方法简化特征，然后调用opencv库进行实现。

利用opencv和VC环境  对图像进行各种处理  包括预处理和分割等，编写一个MFC程序框架

基于人脸识别特征脸......与示例代码创建培训数据库然后在识别过程中使用它

立体相机校准源

特征匹配，功能分离，特征提取，用于运动检测和人脸识别，它有助于使 stegeno graphhy

图像的仿射变换，共包括4个文件，全都是matlab文件，分别为affine.m,grad.m,wrap.m,paremetric.m：，对于图像仿射变换以及图像的超分辨率重构非常有帮助。-

隐藏在图像中的文本。在这里提供的文本将被隐藏在图像中。加密后当过需要的文本可以恢复回来从文本。

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

奇偶冒泡排序主要是在奇数次排序时只比较并交换奇数下标的元素和其右边的元素，在偶数次排序时只比较并交换偶数下标的元素和其右边的元素。      它的并行思想主要就是：将数据都放在一个个线程对应的寄存器中，由线程索引对应地址。奇排序中，所有奇数下标的线程索引对应的数据和其右边的比较；偶排序中，所有偶数下标的线程索引对应的数据和其右边的比较。GPU排序中所有线程对进行同一操作，而CPU中一次只能进行一次数据比较。GPU相当于同一时间进行了所有数据的比较，所谓并行就是把

 工程在源码包中的“vs工程”文件夹中，为MFC工程。