视频分割

彩色图像的尺寸增大，且去模糊。利用了RGB到HSI转换模型，对I分量进行操作，调用imresize函数。。。采用了各种4种典型的拉普拉斯算子模板，进行锐化，在进行平滑，。。。在恢复到RGB模型下。

是关于VisualC数字图像处理技术的书籍，很好的一本书，网上热销，讲解了预处理、特征提取、识别、跟踪等等。希望能给大家带来帮助。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

使用MFC实现了对图像的去雾功能，让图像更清晰，能去掉薄雾，雾太后就可能效果不太好，需要进一步改进。但是这个程序已经能够满足一般需求，能够达到实验的基本要求。

资源描述用actionscript3.0做的能够对小的图像进行简单的处理，比如将彩色照片变为黑白，反相，锐化，加噪处理，平滑处理等，具有打开图片和保存处理过的图片的功能。

利用均值濾波、形態學運算、canny找邊緣來切割血管，医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展,借助电子计算机等辅助手段,医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管,对视网膜血管的分析研究有助于疾病的精确诊断。然而,由于视网膜血管图像的灰度分布不均匀,目标血管与图像背景的对比度低,再加上图像噪声的污染,使视网膜血管的自动分割非常困难。所以,通过建立眼底视网膜图像的计算机辅助分析系统,对眼底视网膜组织进行定量分析与定性检测,对临床眼科学的病理诊断具有非常重要的意义。本课题在查阅大量数字图像处理的文献基础之上,结合DRIVE眼底视网膜图像数据库模型,通过分析不同图像分割算法的特性,对眼底视网膜血管图像进行了分割实验与对比分析,主要过程如下：1.对视网膜图像预处理。通过分析RGB彩色系统模型,对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法

生物指标是归档的生物数据的统计分析。脸是最好的生物数据最能说明一个人之一。人脸识别系统发现应用在许多领域的脸广泛公认是总是向社会开放。脸识别中人机交互、 安防系统、 社会网络等发现应用程序。

整体功能： 自动车辆跟踪、 检测和拍照、 定位和 recognitionTracking 和拍摄功能可以几乎不被视为满足履行职能： 目标跟踪在一段视频： 圈对象手动第一 ；USB cameraFor 一辆车

 png转etc1源码供大家学习交流，欢迎大家提意见，源码为png转etc1的代码，文件只有一个.cpp和.h文件，写得不好，如有问题欢迎指证，源码仅供学习参考用。

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。