图像滤波算法，希望能给于借鉴

应用背景本程序是使用vc++写的，主要用于数字图像处理，源码为原创，可以运行，实现的功能为图像的几何变换，如有疑问可与我联系。关键技术图像几何变换是指用数学建模的方法来描述图像位置、大小、形状等变化的方法。在实际场景拍摄到的一幅图像，如果画面过大或过小，都需要进行缩小或放大。如果拍摄时景物与摄像头不成相互平行关系的时候，会发生一些几何畸变，例如会把一个正方形拍摄成一个梯形等。这就需要进行一定的畸变校正。在进行目标物的匹配时，需要对图像进行旋转、平移等处理。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

此项目将通过做一些算法为例，用来填补洞、 侵蚀、 开放和关门的扩张，扩张的侵蚀和侵蚀的 DIALTION 解决形态的问题

给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。

分别讨论了位图及图像类的概念、图像获取、图像增强、图像复原、正交变换、压缩编码、图像配准、运动检测、特征提取、图像分割及识别的相关知识，基本涵概了从图像获取到图像处理的各个领域，并结合Microsoft公司面向对象的可视化集成编程系统Visual C++，给出了相应的算法和完整的源代码。

k均值聚类，可以应用到图像的分割或者是图像的聚类。K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。 2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。 注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表，在运行bagofword生成单词包。

代码已经验证，可以运行，AdaBoost是基于灰度的人脸检测，这个程序正面人脸检测的效果较好。

可以实现双边滤波的一个Matlab程序，自带显示进度功能，处理600*600的图像大约在16秒。