傅里叶变换的动画

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

基本数字图像处理操作员

本代码使用opencv编写，针对的是图像图像处理，可以实现对图像的边缘检测，其使用了3个常用的算子：Canny算子，sobel算子，laplace算子。这三个是不同的例程，可以对边缘检测结果进行对比，比较三种检测方法。

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

生成具有真实感的图形，在给定视点和视线方向后，决定场景中哪些物体的表面是可见的，哪些是被遮挡不可见的，在成运行结果中，可以旋转物体观察效果

该算法是criminisi算法的经典程序，对于初学者有很多的帮助，以及有现成的图片，可以很好的将criminisi算法从 入门到掌握。

边缘检测是一个非常耗时的过程。这个项目的目的是比较并找出最佳域 （频率域或空间域） 的快速边缘检测，确定最佳的方法高斯差分 sobel） 的快速边缘检测。在 matlab 环境中编写此项目。测试结果简要地叙述了下面，在大小 512 × 512 图像上运行时。狗在索贝尔在频率域-0.128717 秒时间索贝尔在空间域-0.010328 秒频率域-0.150253 秒时间在空间域中的狗-0.045588 秒时间花费的时间

用C++写的，没有使用任何第三方API，实现了彩色图像转换成灰度图像的功能，测试效果不错。

一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

应用背景图片经过直方图均衡化后，像素将占有尽可能多的灰度级并且分布近似均匀，均衡化后的图片将具有较高的对比度和较大的动态范围。关键技术程序完全使用C语言编写，对直方图均衡化过程描述直接，使初学者对均衡化过程有一个直接的认识。均衡化前后图片的灰度直方图均以文件的形式保存，可以通过origin等绘图软件绘图。