基于全局对比度的显著性区域检测

类似windows自带的图片浏览器 没放缩 连结电脑硬盘，可选择电脑内的图片浏览

锐化

OTSU是在1979年由日本学者大津提出的，是一种自适应确定阈值的方法，这是按照图像的灰度特性，将图像分成目标与背景两个部分。

光学字符识别（optical character recognition）是模式识别研究的一个热点，被广泛地应用在车牌识别、身份证号码识别、护照识别等领域。手写数字识别是光学字符识别技术的一个分支，它研究如何利用计算机自动辨认手写的阿拉伯数字。通过对手写阿拉伯数字的图像预处理和特征提取，在matlab环境下进行了利用基于最小错误率的贝叶斯分类器对手写的阿拉伯数字识别分类的实验。

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

本文的主要目的是通过采用 k-均值和遗传算法得到非重叠和可靠的输出。不同的色彩空间都是在我们的应用程序中输入图像的简单 (K-均值的基础） 聚类技术融合。

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。

此代码是在关于图像放大缩小的处理--用到双缓冲解决闪屏问题。

opencv,C++图像处理相关，包括鼠标区域选取，截图，及简单的图像加载，适用计算机视觉初学者。

结构相似度（ＳＳＩＭ）用于图像复原（去噪，去模糊，盲复原，修复）后的客观评价！该评价标准比较适合于纹理结构多的图像质量评价