随机森林

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。

基于OpenCV中值滤波方法，中值滤波是在1971年由Tukey提出来的，它是一种非线性的且比较典型的滤波技术。在某些条件下它能够克服如均值滤波、最小均方滤波等产生的图像细节不清晰，对消除椒盐噪声极其有效，在分析处理一些光学条纹测量图像时有着重要的作用，可是在分析条纹中心方法中没有太大的用处，在处理图像中，可以维持边缘信息，是很典型的平滑噪声法。

此函数可实现 2-D 双边滤波使用中描述的方法：C.托马西和 R.曼杜基。适用于灰度和彩色图像双边滤波。在计算机视觉、 1998年 IEEE 国际会议论文集。

对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处理以及特征提取两个模块中，加入了 OpenCV（微软开源视觉库）函数库，在运行的效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实时处理的设计准则。

本代码使用opencv编写，针对的是图像图像处理，可以实现对图像的边缘检测，其使用了3个常用的算子：Canny算子，sobel算子，laplace算子。这三个是不同的例程，可以对边缘检测结果进行对比，比较三种检测方法。

此代码将计算 16-点二维离散余弦变换通过执行两个 1 D DCTs.1st 一维离散余弦变换应用于每个输入中的行，并且从这个结果一维 DCT 执行的每一列。它由输入的加法器块，8 点近似离散余弦变换和置换块组成。

自编的matlab中值滤波算法，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

对图像进行梯度锐化处理，并用数字图像进行测试，从结果看出，经过3次锐化处理后，图像周围出现“长毛‘现象。

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术