图像分割的经典算法，LBF算法（局部二元拟合），matlab平台实现

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

应用背景图形图像处理，寻找大津阈值，程序中运用继承派生的思想，寻找最优大津阈值关键技术图像分割处理领域，关键目标提取，大津阈值选取

图像前处理是图像处理中做的非常第一步。前处理，删除所有不需要的数据被统称为噪声，提高图像尽可能多地使感兴趣区域的更加突出。这有助于在以后处理，可以帮助，取得好成绩。图像 binarisation 是强制性的一步，要在预处理之一。它将图像转换为强度值介于 0 和 1 的二进制图像。

  基于模板匹配操作比较简单，实现效果也是比较好的。该方法的主要思路是待检测图像与先前做好的模板图像之间提取的特征向量逐个进行比较，计算它们之间的相似度，然后将图像归于相应的类。本次实验使用的模板是trainImgs中的train20.dat文件先建立模板，然后  在计算待检测图像与模板之间的欧氏距离，与设定的阈值相比较，从而检测出该图像的人脸区域。#include "stdafx.h"#include "facedetect.h"#include "facedetectDoc.h"#include "facedetectView.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;pDC->TextOut(600,10,"操作说明：");pDC->TextOut(600,40,"步骤一：载入训练库 *.dat 生成模板");pDC->TextOut(630,60,"（训练库在程序关闭前只需载入一次）");pDC->TextOut(600,80,"步骤二：载入 *.raw 或 *.txt/*.lst");pDC->TextOut(630,100,"如果载入的是 *.txt/*.lst 列表");pDC->TextOut(640,120,"按 Page Down/Up 翻页");pDC->TextOut(650,140,"（需要修改 *.txt/*.lst 里边的存放地址）");pDC->TextOut(650,160,"（注意存放地址不得出现中文或符号

一个简单的OpenCV程序,它从一个文件中读取图像，将色彩值颠倒，并显示结果

vc编的图像去雾程序，基于暗通道优先，在细化透射率分别使用中值滤波和双边滤波，代码简单，效率较高，去雾效果良好。

翻译 maninwest@Codeforge 作者:Manas Bhardwaj@CodeProject 这里是简单地演示使用HTML5实现蛇梯棋游戏。 背景 这个游戏通常需要两方进行。但是，这个实现是单击游戏，主要用于展示用到的原理和背后隐藏的潜力。 我希望能深入探索HTML 画布元素 - 也就是这个游戏的核心。  我们首先将了解一下画布元素，然后再查看它在蛇梯棋中的应用。 画布 画布是引入 HTML5 的一个新元素，正如字面意思所示，可以通过它使用java script绘制图形。它可以绘制图形、图像和动画。让设计师、动画制作者更加方便。 在某些浏览器中，画布元素不受支持，但是在  Firefox 1.5 及更高版本中，Opera 9 和更高版本中， Safari, Chrome, and Internet Explorer 9 的新版本中均受支持。 使用代码 让我们看看 是如何在游戏开发中使用的。从一个包含 元素的简单 HTML 页面开始。

数字图像处理matlab版，冈萨雷斯_图片/others/diana.jpg冈萨雷斯_图片/others/eyestru.jpg冈萨雷斯_图片/others/flower.jpg冈萨雷斯_图片/others/flower1.jpg冈萨雷斯_图片/others/lady.jpg冈萨雷斯_图片/others/lena.jpg冈萨雷斯_图片/others/lena1.jpg冈萨雷斯_图片/others/len_full.jpg冈萨雷斯_图片/others/l_hires.jpg冈萨雷斯_

通过opencv配置vs2012配置，实现读取视频并且进行车辆计数。用背景差分法能有效背景提取但是摄像头抖动必须控制。该代码运行前提是需要有相应背景图像进行差分。

SIFT算法的特点有： 1. SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性； 2. 独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配； 3. 多量性，即使少数的几个物体也可以产生大量的 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