基于边缘特征的图像配准算法

使用java编程实现的抖动图像的小程序，其中采用4阶矩阵｛0 8 2 10 ； 12 4 14 6 ； 3 11 1 9 ； 15 7 13 5 ｝，将彩色图像变为二值图像,生成一个bmp图像文件

用于实现SPIHT算法的Matlab代码；

图像处理中的harris角点检测程序，可以实现对角点的检测，在图像处理中得到了广泛的应用。

资源描述基于C++开发的图象分割源码，基于C++开发，图象分割源码，基于C++开发的图象分割源码

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

这个项目用来注册指纹。和它验证指纹。首先将指纹注册成 数据库。然后它会保存。然后进行匹配的指纹与现场指纹图谱。

应用背景 简单的基于pil库 和python自带函数来实现序列直方图 并将其打包成exe文件  在没有python环境下也可以运行 对多种格式的序列图片进行处理 。。关键技术循环获取整个序列的像素值 然后画出其直方图  并将其打包成exe  文件 使其在不同的环境下可以运行。。

图像变形，通过调节控制点来扭曲图像达到需要的效果，有2中变形方式，自由变形，梯形变形，垂直变形，运用cinder开源框架编写，具有很强的扩展性

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

使用跟踪移动目标的例子,详细文档。卡尔曼滤波是目标跟踪的主要功能,程序使用卡尔曼滤波器实现正确的跟踪移动目标