K-means cluster

RobustPCA 是最近提出的一种非常新的图像矩阵分解算法，该算法具有对噪声不敏感、能处理高维图像数据的特点。这是论文作者提供的 MATLAB 实现代码 RPCA (Robust Principal Component Analysis)是目前用于矩阵填充、图像去噪的最有效的优化方法。该代码是求解RPCA的一种数值算法

此源码采用c++语言编程，图像中的头文件包含许多重要的信息，比如焦距等，利用这个源码编译后运行可以提取很多重要的 信息，一次通过这种信息来达到自己的目的，比如运用在三维重建等方面

离散余弦变换 （DCT） 表示序列的有限多数据点之和的余弦函数以不同的频率振荡。DCTs 是重要对大量的应用程序，在科学和工程，从有损压缩的音频和图像 （在那里可以丢弃小高的频率成分），对偏微分方程的数值解谱方法。余弦函数，而不是正弦函数的用途是这些应用程序的关键： 压缩，它原来余弦函数是更加有效率 （如下文所述，少，以近似一个典型信号），而求解微分方程的余弦表示选取一个特定的边界条件。尤其是，DCT 是类似于离散傅里叶变换 （DFT），但只使用实数有关傅里叶变换。DCTs，等同于傅里叶变换的两倍左右的长度，经营上真实的数据甚至对称 （因为真实，甚至函数的傅里叶变换是真实，甚至），在那里有些变形的输入和输出数据转移半样本。有八个标准的 DCT 变种，其中四个常见。

X = dicomread(filename) 读取从兼容的数字成像和通信医学 (DICOM) 文件的文件名中的图像数据。对于单个帧灰度图像，X 是一个 N M 的数组。对于单框真彩色图像，X 是 M 的 N 由 3 数组。多帧图像始终是 4 D 阵列。

在医学图像处理领域。大脑分割在诊断许多疾病方面有着各种重要的应用；

资源描述应用图像处理就行人脸识别，通过调用opencv库进行处理。主要进行特征点提取。开发环境为Visio studio +opencv。用c++语言进行开发，程序简介简单，亲测好用

这一项目执行对象跟踪使用潜在的支持向量机方法。它被编译使用 opencv 249 和 visual studio 2010

基于相位相关性的运动估计实现方法，matlab代码

利用离散小波变换分析给定图像的特定项目performsthe压缩的。离散余弦变换（DCT）是一个傅立叶相关变换类似于离散傅立叶变换（DFT），但usingonly实数。双离合变速器相当于两倍长度的DFT，与偶对称操作真实的数据（因为傅立叶transformof真实偶函数是真实的，甚至），其中在一些变体inputand/或输出数据半个样品转移。它把从空间域到thefrequency域中的信号或图像。为了获得更好的性能，图像istransformed到频域。它可以单独的图像分成高，中，低频率分量。 DCT是在JPEG压缩算法用来在每个频域变换的连续8×8像素的imagefrom空间域中的块，以64个DCT系数的机构。 DCT具有的AAdvantage超过其它变换是最大限度地减少块likeappearance所得当8×8子图像之间的边界becomevisible称为块效应的能力。

examplehaffuman.m  哈夫曼应用实例examplepalar2.m   平面一般分割examplepalar.m    平面分割 1-D 游程编码应用实例lzwexample.m      lzw编码的应用实例erzhifenjie.m     平面的分割8层suanshubianma.m   算术编码code1.m          图像直方图均衡化处理code2.m          图像直方图规定化处理