基于小波变换的迭代去噪算法

该示例对载入的人脸图片先经过与处理之后，对人眼，鼻子，嘴的位置进行定位和检测。

有时候我们需要对一批图片进行同一个或同一组相同的操作，虽然手工也能完成，但毕竟太耗时耗力。python脚本提供了一个强大的工具，通过几行简短的代码便可以将人工需要几个小时甚至更久的工作交给计算机完成，而你便可以做其他事情了。这个文件时一个例子，将一个文件夹中的所有某种格式的图片转换成另外一种图片。

这个是封装h264视频数据  混合aac音频数据 生成Mp4文件的源代码。欢迎大家下载、试用。谢谢大家的支持！

这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码使用步骤：1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)2. 找到"main.m"文件3. 命令行中运行它4. 点击"Train Network"，等待程序训练好样本5. 点击"Test on Photos"，选择一个.jpg图片，识别。6. 等待程序检测出人脸区域createffnn.m, drawrec.m, gabor.m, im2vec.m, imscan.m, loadimages.m, main.m, template1.png, template2.png, trainnet.m

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

修补是重建图像的损坏部位的过程。从2.4版本开始，OpenCV的支持修复中algorithm.The棘手的部分是获得图像修复掩模，这是一个二进制图象，其中非零像素表示的区域被inpainted。让面膜后，剩下的应该是easy.After让面膜，我们可以立即拨打inpaint（）inpaint功能。 FMM的工作原理：它是基于快速行进法。考虑图像中的一个区域的补画。从本地区的边界算法开始，去里面的区域逐渐首次填补一切的边界。它需要周围的邻居像素的小邻域被涂。该像素被替换的所有已知的像素邻域归一化加权和。选择的权重是一个重要的问题。更多的权重是给那些像素躺在附近的点，接近正常的边界以及那些趴在边界轮廓。一旦一个像素是我画的，它移动到使用快速行进方法旁边最近的像素。 FMM确保邻近的已知像素的那些像素被首先inpainted，以便它只是像一个手动启发式操作。该算法通过使用该标志，INPAINT_TELEA启用。

这些源代码做视图变形的输入应该是一个两个姿势的图像或左姿势和右姿势然后结果将是一个正面姿势和源代码还包括特征提取点，这样你可以检测眼睛和嘴巴。因此整个面部可以变形。

基于概率框架的立体视觉匹配和运动估计方法

是一个将视频投影到物体纹理表面的程序，基于OpenGL代码的，内含可执行文件

由浅入深的介绍了图像，图像处理，matlab的基本概念，以及它们之间的联系及结合点，每章每个例子都附有大量的代码，是学习MATLAB及图像处理最好的基础教程，代码清晰明了，都经过一一运行过。希望能和大家多多交流，共同进步。