摄像头捕获

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

opencv 运动目标检测 帧差法 主要用帧差法将运动目标的轮廓进行提取，然后用矩形框将运动目标包围 ，再判定运动目标是否进入了所设置的警戒区域，从而进一步决定将运动目标包围的矩形框的颜色以区分是否进入警戒区域

使用opencv进行肤色分割，可以划分出完整手型，并可测量出手掌重心，还可以进行腐蚀和膨胀去噪点。学习opencv不可多得的例子

这是2001年由Chan Vese发布的实现无边缘水平集的源代码。它可以用于医学或真实图像

这是计算 Hormography Matrix 的两幅图像的源代码。欢迎下载，试用。谢谢您的支持 ！

整个文件可以直接通过编译并能正常使用，用来测试opencv的各个模块的例子！

利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理, 程序能够运行出正确的结果，希望对各位有帮助。

 ；

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。