直方图均衡化

一维条形码识别系统基于VC6.0，对输入的条形码图像进行预处理，进一步识别，是目前基于条形码进行货物扫描识别的关键。内含识别图片。

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。

OPENCV2.4.8+VS2012编写，基于HOG特征的人群检测，效果不是很好，用于初学者熟悉OPENCV。

相信使用过的朋友应该会喜欢上libjpeg，它简单易用、压缩质量可以随意控制、并且稳定性很好，但是，官方网站给提供的libjpeg库，不论是进行压缩时还是解压缩时，都需要用到FILE，使得我们如果想在内存中直接压缩或解压缩图像还要自己实现相应的结构，总之，比较麻烦，尤其对初学者，更是不知从何处入手，幸运的是，libjpeg给我们提供了源代码，今天我就为大家介绍，怎样修改源代码，使libjpeg可以非常容易的直接处理内存中的图像，而无需借助文件操作。

注册表模式，允许常见的超级类要由它们的字符串类名称的派生的类的实现。所有子类必须都分享共同的构造函数，以便由注册表模式的这个实现。请参阅 registry.h 和 examples/example.cpp 的详细的用法信息。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

两步构建盲图像质量指标框架

本代码通过去噪，裁剪，Niblack分割，中值滤波最后经过细化得到细化去噪的手指静脉图像

在隐写术过程中，在空间域中嵌入秘密图像覆盖不是不可感知性和鲁棒性，所以要频率域。在频率域、 DCT 用于拆分的低频和高频 spareately。它是比空间域