奇偶冒泡排序

上式表示，将ones(N,M)范围内的像素值依次排序，用第n个像素点的值代替该点的像素值，此种滤波器与中值滤波器一样不会使图像的边缘变的模糊，在滤除噪声的同时很好的保留了图像的边缘。之后，设定门限值，将掌纹图像转化为二值图像。由经验得到门限值应为15（或20）。对二值化后的图像先进行膨胀运算、再进行腐蚀运算，将得到的结果与原图像相减，图像上所剩的点即为角点。先膨胀运算，再腐蚀运算，SE表示在进行膨胀与腐蚀时所用的结构元素。SE的确定是此次角点检测的关键所在。SE的形状应与要检测的目标的形状相似。知要检测的目标的形状为弧形，所以SE的形状也应该为弧形。找到两角点的坐标，并将其旋转到一条垂直线上，旋转后的直线作为坐标系的纵坐标。在图像的中心位置切割大小为128*128的图像。这种方法切割出来的掌纹图像的旋转平移较小，而且算法简单，计算量小，比较实用。

matlab练习程序（弧形、圆柱投影的复原） 前一段介绍了从矩形图像到圆柱的正向投影，看这里和这里。今天介绍如何从已经投影的图像反映射到原图像上。本来此种变换一定是需要数学公式的，不过这里只是用了一个很简单的方式来完成反映射。具体就把每一列有像素数据的长度拉伸到原图像的高就行了。

本程序是用VC++6.0实现的傅里叶变换，MFC框架程序，可直接执行，备注详细，思路清晰，便于初学者掌握

基于双目视觉的opencv图像处理，实现了基于机械手的双目标定，可以进行单目或者双目的标定，进行双目的匹配以及特征提取，功能齐全，但是被程序参考了前辈们的部分代码，比较适合最初的开发者

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

此代码可以帮助您检测图像中的特定模式。在这个程序中，你会发现所有关于读取和写入数据，from 和 to 文件。您将发现和使用的文件阅读和写作的语法和程序。这个结尾给出了示例文件读/写代码文档。您可能希望使用此或执行您自己的代码。你需要进行 2 的测试运行。模式可以找到几乎无处不在。例如，在处理的同时图像文件，来检测任何特定的模式，在原始图像中嵌入原始将首先转换为等效的灰度组成或者 0 或 1 表示。在特定的模式然后搜索对这种原始图像。

在做织物疵点检测的过程中首先采用自适应分割法确定出疵点所在的ROI区域，再对ROI区域进行奇异值分节，从而提取出疵点的形状和位置

视频序列中运动物体的检测，非常灵敏，值得一看！利用的是帧间差的方法，测试了几段视频，效果真的不错，实时性很强。

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。

一个用C/C++直接读取像素的例子，供底层源码学习。程序可以运行，直接读入照片，然后将像素内容读取到内存，读者可以查看照片DIB数据的每一个细节，供学习使用。