直方图增强函数源文件

Buades A，莫雷尔ĴM.非本地算法的图像去噪[A]：基于快速非局部均值图像去噪算法。在：IEEE计算机协会会议上的电脑。视觉与模式识别[C]。圣地亚哥，CA，USA，2005：60〜65。用于非局部均值对称的重量分别为每对像素计算出仅一次。

这个项目是用opencv写程序读取avi视频文件。欢迎大家下载、试用。谢谢大家的支持！

此代码是 reconsponding 的论文写的就是卡通形象重建通过 p 的约束极小化西蒙哈威。与代码相比他自己，我的代码就很容易学会。虽然这段代码只使用两规，结果优于国家 — — 的艺术方法。

虹膜识别的完整程序，有图片，有说明，可以用。

学习opencv最好的中文版书籍及配套源码，让你学习能够事半功倍。

资源描述Detecting visually salient regions in images is one of the fundamental problems in computer vision. We propose anovel method to decompose an image into large scale perceptually homogeneous elements for efficient salient region detection, using a soft image abstraction representation. By considering both appearance similarity and spatial distribution of image pixels, the proposed representation abstracts out unnecessary image details, allowing the assignment of comparable saliency values across similar regions,and producing perceptually accurate salient region detection. We evaluate our salient region detection approach on the largest publicly available dataset with pixel accurate annotations. The experimental results show that the proposed method outperforms 18 alternate methods, reducing the mean absolute error by 25.2% compared to the previous best result, while being computationally more efficient.

基于OpenGL和Delphi的3D三连棋，  这是本人学习OpenGl的第一个程序，多多指教。这是一个有趣的益智游戏，你的目标就是将同一条直线上的三个棋子连上。有电脑同你较量呦。游戏中按方向键可以调节视角，以便最佳地观察场景。这个游戏是公开源码的，你可以自由传播这份源码。

应用MFC，基础的图像处理代码，有简易界面和主要代码的注释。适合初学者和C语言读程序薄弱人群。

应用背景这是加载一个BMP文件转换成一个矩阵的应用。我们做二值化与阈值并保存成BMP文件。这个应用程序使用在细化过程。这个应用程序的想法很简单，只是比较和阈值，将给予0或255的价值。关键技术该算法的思想是很简单的，只是比较的每一个值在一个阈值，结果将0或255的矩阵。二是白色或黑色，所以这种方法是用来使画面变成白色，黑色。

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.