MATLAB图像分割

  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

图像水印技术近年来得到了越来越多的研究兴趣。我们有不同类型的图像水印技术。在这段代码中，我使用DWT和SVD做了图像水印。

隐写术是的隐藏事实通信正在地方，由隐藏信息的一门艺术其他的信息。可以使用许多不同的载体，文件格式，但数字图像是最由于其频率对互联网的流行。对于隐藏秘密信息在图像中的，都存在种类繁多的隐写技术，有些是比其他人更复杂和所有的人都各自的强、 弱点。不同的应用程序有不同的要求信息隐藏技术的使用。例如，一些应用程序可能需要的绝对不可见性秘密信息，而另一些需要更大的秘密口信要隐藏。本文旨在给图像隐写术，其用途和技术概览。它还试图标识要求一种好的隐写算法的简要反映了哪些隐写技术的更多 适用于哪些应用程序。

读取mapinfo数据 有强大的api 接口， 实现。tab/。mif文件的读取，丰富的类库处理电子地图数据

本程序代码是在VS2010下opencv的GPU编程，通过简单的示例可以了解到如何使用opencv进行GPU编程，此项目是在配置环境为opencv2.4.9+vs2010。如果你的配置环境有误就有可能运行不了，opencv_gpu.cpp内容可以在其他系统的相关条件下同样可以运行。

应用背景遥感图像上经常要用到图像融合，尤其是全色影像和多光谱影像，本程序可以很好地融合遥感图像，同时对于其他多模态或者异源影像都可以进行融合。关键技术代码主要采用三种方法进行融合，可以有选择的使用。主要是平均法融合，IHS法融合和PCA法融合，都是遥感图像融合领域常用的融合方法，可以直接运行。

opencv+vs2010，载入图像，再使用cvtcolor，将rgb转为gray，其中使用 3x3内核降噪 ，运行Canny算子  ， 阈值可以任意通过滑动条设置，使用 Canny算子输出边缘作为掩码显示原图像，可以看到不同阈值下的边缘图像

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

首先计算背景图像与当前帧图像介的差，然后对差分图像进行二值化和形态学滤波处理，并对所得结果进行区域连通性分析，当某一连通的区域的面积大于某一给定阈值时，则成为检测目标，并认为该区域就是目标的区域范围，就可以确定目标的最小外接矩形。目标跟踪模块已有两个基本实现的方法，但运用背景差分方法对图。像进行二值化和滤波的效果，还远没有达到独立、稳定的跟踪要求，必须尝试多种运动目标提取方法及滤波算法。

资源描述源码里面实现了一些数字图像中相关的图像分割算法。对于初学者来说会是一个很好的参考。