指纹识别代码

这是一本很详细的用vb处理图像的书，里面有很多的实例给我们讲解了如何运用vb来处理图形图像。共8章，介绍vb6图像处理的基础知识，位图文件及操作，彩色位图图像处理，多媒体界面技术，图像的输入装置及灰度图像的处理，图像二值化，图像测量及工程应用系统等。

利用灰度共生矩阵提取图像纹理特征，代码是矢量化的，速度很快。

打码兔的DEMO文件，不用理解实现详细步骤，只需知道接口函数，即可立即使用的哦，非常简单使用非常不错。        有这方面需要的朋友不要犹豫了噢，直接下载吧。                                                                                                                                

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

利用Shearlet变换对多聚焦和医学图片进行分解，将分解得到的高频系数进行绝对值取大的规则进行融合，对得到的低频系数采用区域能量和区域方差加权融合的规则进行融合，之后进行shearlet反变换得到融合图像

应用背景测试查看matlab中的三个显示函数 image,imshow,imagesc 的区别，首先讨论了图片的存储格式对图像处理、显示没有影响，然后通过对图像进行R、G、B分别显示，整合，直观地展示上述三个显示函数的差异，包含图像，可以直接运行展示关键技术R、G、B三通道分别显示、处理图像，适合于初学图像处理者，厘清基本问题，高手可以忽略

资源描述鱼眼图像矫正以及全景展开。本程序实现了对于鱼眼图像的标准化参数以及标定鱼眼中心坐标、半径，并且对于鱼眼图像进行矫正。最后，通过角度设置对鱼眼图像进行全景展开。具有很好的效果

此项目帮助您查找给定图像的直方图，并使它得到更好的对比图像。可以使用此直方图均衡化增强对比度较低的任何图像。此项目还包含直方图匹配给定的图像直方图对标准图像直方图匹配。该项目是在 Visual Studio 2010 中实施的。

这一项目执行对象跟踪使用潜在的支持向量机方法。它被编译使用 opencv 249 和 visual studio 2010

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像