相位相关匹配

应用背景SPIHT是小波图像压缩中的一种重要算法，由W.Pearlman等人开发，是图像压缩标准的有力竞争者，由于压缩效果略差于EBCOT，因此未被选用关键技术 小波分析显著改变了图像的数据统计特性，十分便于集合划分编码操作，SPIHT利用这一数据分布规律，设计了合理的数据划分规则，实现了小波图像的有效压缩

非常优雅的四叉树样本测试阿拉伯字母图像。

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。

依次读取指定文件内的图像，并对其进行特征点检测和提取，最终进行匹配。图像的检测、提取和匹配都分别以两种方法完成。一种方法参数为指针，图像特征点的检测和提取在opencv中可一步完成，另一种方法参数为向量，特征点检测提取分步执行。故以此为基础的特征匹配在opencv中也有两种实现方法。该算法对两种不同参数类型的方法进行测试，比较其耗时并记录测试信息

LED 显示技术开发,该文档比较详细的介绍了LED显示屏开发的基本原理，以51单片机为开发平台，说明了LED直译、绕线情况下LED数据组织情况。可以快速了解LED显示屏基本开发原理，并给出了16点阵反相显示和正相显示两种情况下源码。

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS).粒子群优化算法是由Eberhart博士和kennedy博士发明。

此代码是用Matlab语言实现的，是对数字图像的质量进行评价，实现的传统的均方误差（MSE）和峰值信噪比（PSNR）的评价算法，还有SSIM

资源描述标记视频中的人脸，将视频中每一帧转换为图片，然后检测

资源描述这是一个应用程序使用Java开发和ExtJS做基于GCP点图像校正所使用的参考图像，如谷歌地图。本文提出的图像为TIFF格式，它支持输入图像为JPEG文件。它使用GDAL和仿射变换的图像格式和阅读的精馏过程。

双边滤波（Bilateral filter）是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。main.m  ：  程序入口函数bfilter2.m ：滤波函数bfltColor.m ： 当输入图像是彩色图像时的滤波函数bfltGray.m ： 当输入图像是灰度图像时的滤波函数双边滤波器原理.doc ：  解释滤波器的原理效果图.jpg  ：  程序运行的效果