3Dviewer——MIP, Color, Slice and Shaded 3D (shearwarp) Volume Rendering, interactive 3D view/measurem

背景建模以及几种阴影去除方法，比如基于颜色、梯度、阴影训练、几何等方法。有需要的可以下载进行尝试，效果还可以。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

opencv用多种方法提取特征，分别有颜色提取即：颜色直方图提取；形状提取有Hough直线提取、Hough矩形提取以及边缘直方图提取

提出了一种新的适用于自主驾驶系统的车道线检测----基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像，截取感兴趣的下半部分进行灰度变换，得到灰度图像；其次采取高通滤波，小波变换，来进行边缘增强与检测；之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车最后采用粒子滤波进行车道线的跟踪。实验表明，该算法简单、鲁棒性强,能准确地检测到车道标识线。

基于matlab的灰度AGV路径识别程序，包括求图像的最大最小灰度，迭代最佳阈值分割算法进行阈值分割以及“开”运算。

应用背景本程序提供相同的效果PS图象处理软件Adobe CC 2015表面模糊。它也消除了噪声，同时保持边缘。双边滤波器在图像和图像中具有重要的地位，去噪。它平滑的图像边缘保持在使用 ；对局部像素值的非线性组合方式。方法的制定和实施是简单的。然而，双边滤波器参数的设置对其滤波性能有重要影响。他们必须选择考虑用户的应用程序，因为它具有强大的边缘附近的梯度反转工件，有时它提供卡通般的图像。如果你使用这个过滤器，你不会受到这些东西。这个想法是相当类似的双边过滤器，也就是说，几乎相同。你可以编译和运行的msvc2010。关键技术表面模糊。AWA滤波器双边滤波器。无梯度反转工件没有像卡通一样的效果。

使用gdal和c++，编写的一个打开图片的程序框架，GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理

利用opencv 库函数bow类训练图片，提取surf特征点，用flann匹配，将特征点聚类成字典，设置每张图片的词典表示然后和要搜索的图片进行欧式距离计算，然后得到最近的那幅图即为要搜索的图片，

MATLAB中编程，偏最小二乘回归的通用程序，输入两个矩阵，输出预测值及相关误差。