图像球面化

打码兔的DEMO文件，不用理解实现详细步骤，只需知道接口函数，即可立即使用的哦，非常简单使用非常不错。        有这方面需要的朋友不要犹豫了噢，直接下载吧。                                                                                                                                

利用matlab进行CT扫描图像重建。本项目提供二维DFT、正弦图、反投影

step1:用高斯滤波器平滑图象；  step2:用一阶偏导的有限差分来计算梯度的幅值和方向；  step3:对梯度幅值进行非极大值抑制；  step4:用双阈值算法检测和连接边缘。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

图像检索，是颜色直方图，可以用VC6.0运行，注释不多，希望能够帮助需要的人来参考

本段程序主要实现的是视频的分帧处理，就是把一段视频分解为一张张图片，可以使视频转换为图片进行图片的处理。有的软件对视频格式要求严格，这就要求对视频的格式和大小进行转换和修剪，通过视频的分帧处理，就可以剔除掉没用的，或者不清晰的图片，然后再通过合帧处理，生成符合要求的视频。

图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

此代码使用 Haar 级联分类器来检测脸视频饲料 （这里使用的摄像头） 中并显示在一个窗口中 代码已经过测试的配置如下： Windows 7 专业版 （64 位） 2.4.2 OpenCV Visual Studio 2012 终极版

marching cubes 的一个实例程序。利用opengl和c++编写，比较易懂，初学者试用。MC算法是三维图像中常常用到的算法，具体可见百度百科，代码中绘出三个不断旋转的立方体，