去除块效应和光圈效应算法

这是一个基于opencv的sift算法的实现，基于opencv实现sift特征提取和匹配

基于SVM（机器学习中的支持向量机）的分类样本训练，训练处模型（model），用model再对测试样本（test_sample）进行预测.

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

/************************************************************************* 上创建的文件: 2002年/08/30 19:33 文件名： Bmp.cpp 作者： 安德烈亚斯 · 哈特尔 访问 http://www.runicsoft.com 的更新和更多的信息 目的： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

资源描述opencv的安装的过程中主要按照网上的教程进行，但是最重要的是认准版本和自己的电脑对应，以后和vs的版本对应。在添加完vs2012后就可以对其实现测试功能，查看你的opencv是否配置成功。这是一个简单的opencv读取图片的过程。

此代码包括用于从输入图像中检测面部区域，以及定位眼睛，鼻子和嘴巴的部分的方法。然后各部分都标有导致输出图像上的矩形显示。这是为那些谁想要检测脸不同部分，使用输入正面图像进行特征提取特别有用。

文献 《图像的盲复原研究》以及实现的代码   1.图像去噪MATLAB仿真程序.m 2.图像点扩展函数获取MATLAB仿真程序.m 3.约束最小二乘法图像复原MATLAB仿真程序

资源描述 首先获取图像的像素信息，对于灰度图分析其灰度值，并能够根据灰度值来绘制直方图，利用直方图数据来对图片做处理，使得图像均衡化

该程序提出了金字塔算法实现的古典 Lucas 沓。Lucas 沓的光流计算迭代执行提供足够的地方跟踪精度。