实现编辑框内文字分割截屏，预览所截屏效果，并保存为bmp图片格式

isodata是一种非监督分类，又叫迭代自组织分析，通过设定初始参数而引入人机对话环节，并使用归并与分裂的机制，当某两类聚类中心距离小于某一阈值时，将它们合并为一类，当某类标准差大于某一阈值或其样本数目超过某一阈值时，将其分为两类。在某类样本数目少于某阈值时，需将其取消。如此，根据初始聚类中心和设定的类别数目等参数迭代，最终得到一个比较理想的分类结果。这里是它的的matlab程序，套用性强，容易移植

======================================================================== MICROSOFT 基础类库： TrackEye ======================================================================== 应用程序向导已创建此为您的 TrackEye 应用程序。此应用程序 不仅演示使用 Microsoft 基础类的基本知识 但也是您编写应用程序的起始点。 此文件包含的你会发现在每个文件的摘要， 让您的 TrackEye 应用程序。 TrackEye.dsp 此文件 （项目

Ramtin Shams 07年发表的文章《Speeding up Mutual Information Computation Using NVIDIA CUDA Hardware》 利用CUDA计算互信息实现加速，此为此方法源码。 源码包中包括源代码以及相关论文。

这是从primal sketch integrating texture and structure的作者之一，吴英年教授的网站上下载下来了，经过本人亲自运行，代码是完善的而且可以使用的，十分有价值的一个代码

利用给定视频序列中连续相邻的三帧图像的简单运算获取目标图像。目标检测的一种有效的方法，具有显著的效果。

图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。

依次读取指定文件内的图像，并对其进行特征点检测和提取，最终进行匹配。图像的检测、提取和匹配都分别以两种方法完成。一种方法参数为指针，图像特征点的检测和提取在opencv中可一步完成，另一种方法参数为向量，特征点检测提取分步执行。故以此为基础的特征匹配在opencv中也有两种实现方法。该算法对两种不同参数类型的方法进行测试，比较其耗时并记录测试信息

该代码使用Hough森林的目标检测，采用mfc实现，算法实现高效、精准，对从事目标检测的人员非常有用。

DM6437 上的自动对焦算法实现，包括 图像清晰度评价函数 梯度平方算法实现，改进了爬山搜索算法，使之对焦可以更快，DM6437 定时器初始化，DM6437的启动程序，本程序可在 达盛 EL-6437平台上直接运行。

用于检测图像中的显着区域的显着图。代码是用matlab检测显著区域。 ；有效的方向特征，绘制。