criminisi经典算法

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

简单的数字识别

组态软件开源代码，完整代码，可运行。

这个 Matlab 模型实现"主动轮廓没有边缘模型"。这是在塑造形象，噪图像和大脑图像的黑白 rendom 中测试。

目标跟踪的一个算法   两个匀速运动的物体  红外背景弱小目标检测 跟踪  

开发平台vs2005，图像的增强的各种算法，包括 线性、非线性（指数、对数变换等）变换及各种低通滤波、高通滤波。

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

本程序是用matlab开发的基于卡尔曼滤波原理的算法的目标跟踪程序，课用于基础认识matlab在图像处理中的应用，简单清晰，容易理解。如果有发现错误请不吝指出，共同学习进步。

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。

本文主要讲一些opencv 2.0版本后出现的Mat矩形类，主要是参考opencv自带doc文件夹下的tutiol教材。通过这次实验觉得用Mat的话下面几点需要特别注意（在代码中可以体现出来）：1. 利用create函数重新改变Mat数据在内存中的布局。 2. 注意多通道数据在Mat中其实也是占一个元素的位置的。 3. 学会多维Mat的创建方法。4. 当Mat矩阵比较小时，学会直接赋值的方法，即用Mat_。5. 掌握Mat矩阵内容输出到终端时的几种常见格式。6. 注意如果vector是单独一维的话需要转换成Mat才能输出，多维的可以直接输出，例如vector里面存放的是点的话。