基于非下采样Shearlet变换的多聚焦图像融合代码

这个源代码是利用OpenCV工具包，实现图片中的人脸检测，并将检测出来的人脸用绿色方框框出来。所附代码，使用VS2008完成，使用OpenCV2.4.6。参数从命令行输入。argv[1]是图片的位置。检测眼睛的代码和人脸检测是一样的，只需要在检测出的人脸上再次进行一番相同的检测即可（注意：检测眼睛的参数需要调整，特别是最大最小区域范围）。

常用的opencv图像处理。包括颜色直方图提取、Canny算子对边缘检测、角点提取、Hough直线提取、Hough圆提取、Hough矩形提取等内容。针对不同测试可将对应的main函数名改正即可。需配置opencv环境。

基于vtk的DICOM二维切片序列显示，用鼠标滚轮控制不同层切片的显示。-Based vtk of DICOM 2D slice sequence with the mouse wheel to control the display of the different layers of sliced

人脸跟踪有着广阔的应用前景。在海关、机场、银行、电视电话会议等场合，都需要对特定人脸目标进行跟踪。显然，要跟踪图像中的人脸，首先要检测人脸，人脸检测就是利用计算机分析静态图片或视频序列，从中找出人脸并输出人脸的位置及大小等有效信息的一种方法。其次就是跟踪人脸，就是要在检测到人脸的前提下，在后续帧中继续捕获人脸的位置及大小等信息。 基于颜色信息的方法，由于鲁棒性强、实时性好、实现相对简单、越来越受到人们的重视。本程序也是基于肤色特征的人脸跟踪。选用YcbCr 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

基于opencv，使用直方图均衡化的方法进行数字图像处理，满足冈萨雷斯的数字图像处理课本的例题要求，适合初学者理解参考

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

纹理广泛存在于自然界中，是物体表面最本质的属性。纹理分析技术一直是热门的研究领域，纹理特 征提取作为纹理分析的首要任务更是人们研究的焦点。这是一个VC实现的图像的纹理特征提取。

运用MFC框架，实现了双线性插值算法，能实现图像的放大和缩小。操作BMP图像，可以读取BMP图像，保存BMP图像。

这是一个基于高斯背景建模的前景检测算法，效果还可以，不过摆脱不了高斯建模本身的缺点，那就是需要学习，需要有几帧视频来学习建模，得到背景。

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符