自适应基于区域的GAC模型

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

该方法能够处理无约束的模糊，但也允许使用或先验信息的约束上模糊筛选器，以及参数化的方式定义的筛选器的使用。

该资源是关于graph cut的一些基本算法代码，简单好用。

应用背景这个项目是扩张形象。我开发这个项目的C #（未使用OpenCV）。和公司的；和；关键技术我计算这个项目的像素操作。侵蚀的方法是相似的。

    自适应二值化能更好的将图像中的轮廓凸显出来，多边形拟合函数使轮廓易于匹配。

简单的jpeg编码实现，包括DCT，量化，zigzag，行程编码等函数，对于初学者应该很有帮助

%该m文件实现了混合高斯背景算法

opencv1.0初级安装软件， OpenCV于1999年由Intel建立，现在由Willow Garage提供支持。OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了JAVA、Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。最新版本是在2014年4月25号发布的2.4.9。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

本程序是用VC++6.0实现的傅里叶变换，MFC框架程序，可直接执行，备注详细，思路清晰，便于初学者掌握