图像的自适应魏纳滤波

本算法是多年图像处理的工作总结   很实用  直方图均衡化  噪声的消除  是图像更清晰，图像取样后，样本的灰度值是一个模拟量，在用计算机对其显示和处理之 前，必须进行量化处理，而量化的过程实质上是多对一的不可逆的对应过程。 这样不可避免的引入了量化误差，解决这个问题的方法之一就是对图像按灰度 分布密度进行非均匀采样。

应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的，具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率，testLBPloadAccuracy.cpp则更为精简，测得是直接下载分类器用于测试的准确率，理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为 (1,8,4,4,DBL_MAX)和修改训练图片的张数（即修改at.txt文件）再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间（包括在vs上跑的时间和板子上跑的时间）大家可以参考一下，从内存，时间，准确率选择最适合的参数。

harris角点检测，改进版，改进传统检测的缺点。检测更准确，            速度更快。

资源描述椭圆拟合（高斯分解和奇异值分解（很准确）两种）

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

本程序实现Aero效果，具体的效果看程序运行的结果，这样的程序是知道一看的哦。你说是不是？

图像的分块程序，编程语言C++，开发平台VS2010，调用OpenCV实现。代码中，可以通过参数设置分块的数量与大小

该程序涵盖了基本的图像处理，内容十分丰富，是使用c++进行编写的，十分值得大家学习和参考使用，对于初学者是一本很好的案例学习，另外里面的程序都是使用灰度图像处理的

它将读取像素的像素和计算有差异，将存储在另一个矩阵。从这些我们可以分析图像帧中的每个像素的强度

将图像按像素按位进行求反，取得类似照相底片效果.