图像对比度增强

Opencv的基本数据结构包括点、矩形框数据类型、矩阵、不确定数组、图像头等。程序对这些数据结构进行操作，使大家对opencv的数据结构有更充分的认识和理解，包括对点、矩形框、矩阵、图像的翻转、信道的分隔与融合等。

依据图像的纹理特征，对图像进行检索，代码是用matlab写的 其中的图像库包含45幅图，有30个代码相关文件，程序可以运行，对学习纹理检索图像的人很有帮助

应用背景相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！相机图像的畸变，对畸变进行校正。主要为张友元棋盘标定法，基于opencv。。。效果不错！关键技术vs上基于opencv库函数，使用c语言编译，采用张友元棋盘标定法算法，解决面阵相机拍摄图像的畸变。效果很好。可以解决图像的畸变。。。最好需要10张以上有位移偏差的图像。棋盘图必须完全位于相机的视野内。。。。。

图像增强技术是图像处理领域中的基本技术之一。图像增强的目的是信息的改进的可解释性或感知在图像中的人类的观众，或为其他自动化图像处理技术提供更好的投入。近年来，灰度图像增强技术发展迅速。这些算法有一定的灰度图像增强的效果。然而，我们通常处理在日常生活中的彩色图像。由于诸多因素，如有限的动态范围、 照明的影响和显示设备，获得的图像质量的下降，这意味着许多重要的信息很难被人告诉 的眼睛。同时，它是不适合直接使用灰度图像增强技术的彩色图像。因此，我们需要开发彩色图像增强技术，处理的问题。与灰度图像相比，彩色图像仍有颜色的信息，所以那彩色图像是灰度图像比更生动。现在，基于人眼视觉特性，许多彩色图像增强算法已被提出。Retinex 是一种有效技术的彩色图像增强，可以产生很好的增强的效果。但增强的图像具有颜色失真和计算比较复杂。一种鲁棒的彩色图像增强算法。该算法可以提高彩色图像不失真，但彩色图像的边缘不能处理得好。该算法使用高斯滤波估计的背景图像。高斯核函数是各向同性，这会导致不准确估计的背景图像，从而导致的光晕现象。提出的算法包括三个主要部分 （1） 获得亮度的图像和背景图像，（2） 自适应调整，(3) 彩色恢复。

资源描述利用加权平均融合算法进行灰度或彩色多模态医学图像融合，程序具体很好的通用性，并且提供几种图像融合客观评价指标，还给出3组宝贵的已配准的图像

应用背景ossimPlanet is an accurate 3D global geo-spatial viewer that is build on top of the OSSIM, OpenSceneGraph, and Trolltech QT open source software libraries. It provides native geo-spatial access to a wide range of commercial and government data formats with high the high performance visualization and collaboration capabilities. ossimPlanet is one of the key components of the Large Data Joint Capabilities and Technology Development project. This document describes the installation and use of ossimPlanet.关键技术ossimPlanet provides accurate 3D global visualization and collaboration. Instances of ossimPlanet can be synchronized for distributed collaboration. Native file access, on the fly elevation tree topography, and online access to OGC WMS and Worldwind sites is provided.

冈萨雷斯数字图像处理matlab版源代码,经典中的经典，不用多介绍了吧，分享给大家。

这个程序是用Matlab编写的。

图像几何处理，包括图像平移，放大，缩小，旋转等等。通过图像几何处理，完成最基本的图像操作。

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。