基于opencv的sift算法

ATmega16 单片机驱动240X120的屏幕，液晶屏分为4 行*15列汉字使用间接操作方式，做的农历显示界面，可以参考内容和移值，

基于VC、DirectShow和OpenCV的摄像头捕捉视频的例子，不需要安装DirectX SDK

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability

PN和GOLD MATLAB程序

1.该程序是自己用opencv写的细胞数量统计代码，里面完整的实现了细胞分割和细胞数目统计，准确率在90%2.程序最后将结果保存到excel可以打开excel查看统计结果

利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。

应用背景虹膜识别软件，基于VS2010中的MFC开发的，一定可以跑起来，有详细的算法说明，有完整的程序代码和详细CDIO文档，以及详细的流程图。关键技术基于计算机视觉和模式识别技术开发的虹膜提取和识别软件。通过提取虹膜的关键点特征，设计出好的特征提取算法，能最大程度的区分不同人的虹膜的特征，具有良好的应用效果。

Retinex可在光线条件不好时改善图像的视觉渲染。当光线较暗时，我们的眼睛可以正确地看到颜色，但照相机和摄像机不能很好地处理这个问题。MSRCR（MultiScale Retinex with Color Restoration）算法是Retinex滤波器的基础，其灵感来自于眼睛的生物学机制，以适应这些条件。Retinex代表视网膜+皮质。

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

应用背景opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行关键技术进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换