模糊c聚类算法

基于阈值法和形态学方法的图像分割和目标提取！ 本代码主要处理图像中的文字的分割与提取！ 提供了一幅原始图像用于测试！

以下代码参考zongzong1113的程序，仅作了很小修改，只处理亮度分量，其实色度分量处理方式是一样的 涉及颜色空间转换，DCT变换，DPCM差分编码、量化、Zig_Zag扫描 该程序未采用Huffman熵编码

应用背景图切算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。本文简单介绍了图切算法和交互式图像分割技术，以及图切算法在交互式图像分割中的应用。关键技术 交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。

输入： 的视频图像序列 (最好是从一个网络摄像头获取)，坐在电脑前的用户假设显示一些文档 （文本、 图形、 医学图像或一张照片） 和 visualizedGoal： 检测注意力的焦点和改性的用户感兴趣区域 （请注意我们只感兴趣的用户感兴趣区域不眼睛本身的轨迹 ！）基于这一点，一些地区的兴趣可以绘制到图像上。要做的任务： 开发能够检测到应用程序和跟踪在视频眼; 确定相应的观察 （重点） 位置 （区域） 屏幕，在屏幕上眼的运动轨迹; 标记区域的利益和他们的进化，变化在时间

皮肤的颜色已被证明是一个有用的线索前, 过程的人脸检测、 定位和跟踪。图像内容过滤，内容了解视频压缩和图像的颜色平衡应用程序也可以受益于自动检测图像中的皮肤。近几年文献见诸众多作品为肤色分割和检测

Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。结合Klaman进行轨迹预测。

全变差图像去噪，首先通过增加高斯噪声来产生带噪图片，然后在用全变差方法对噪声去除，全变差算法的好处地保留了图像的边缘性，但是当噪声过大时会使边缘产生阶梯效应

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。

vc++数字图像模式识别算法技术详解，对想学图像识别的人是非常有帮助的。

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。