Camera Mouse Control

这是一个图像增强技术的实现。我用gonzaleys作为写作参考。这个是非常直接的方法。这对于那些想学习及是非常有用的。

应用背景图像质量分析是一个标准，用于比较研究的图像的质量，在原来的和编辑的一个。由于不同的算法在原图像上的应用，编辑的图像在不同的参数值发生变化。虽然在某些参数值的增加可能也会出现在一些其他的，参数导致一个良好的质量形象是永远和更大的。关键技术在MATLAB环境下已被用来实现 ；图像质量分析 ；评价。是一种最流行的工具进行图像处理分析的MATLAB具有很高的使用和作为一个结果，我们的代码实现MATLAB只有这样我们将得到一个 ； 对图像质量的比较研究；之间的原始和处理后的编辑之一。

图像滤波使用 matlab 代码。 在这个文件中，我们有的图像转换到频率域 （使用离散傅里叶变换 （利用矩阵为我创建的函数方式）） 然后在频率域滤波的卷积低、 高和乐队的通行证和最后这种产品我们做傅里叶变换逆之前。

本程序描述了用C++编写的fir滤波器的程序，程序中包含dfd.h，fir.h， dfd-impl.h，fir-impl.h通过调试可以运行，希望对大家有帮助，可以作为学习的。

数字图像处理

机器学习算法代码，可以用于分词，图像识别，行为识别等 原版本只可以在32位xp下运行，经本人修改，适用于各种版本matlab windows   clear all useMex = 0; % Set this to 1 to use mex files to speed things up %% Generate Synthetic Data % Notes: %   - X is categorical, each element X(i,j) contains the value of feature j for word i, %       a value of "0" means ignore the feature for this training example %   - y is cateogircal, each element y(i) contains the label for word i %       a value of "0" indicates the position between sentences [X,y] = crfChain_genSynthetic; nWords = size(X,1); nStates = max(y); nFeatures = max(X); %% Initialize parameters and data structures [w,v_start,v_end,v] = crfChain_initWeights(nFeatures,nStates,"randn");%初始化参数为正太分布，w状态-特征，v状态-状态 featureStart = cumsum([1 nFeatu

一个VC编写的屏幕画笔，用vc6和vc2008都可以编译通过，供大家学习参考，能力有限，有不好的地方希望大家指正，共同进步，程序就是用来大家分享，多多益善

它是一个图像强度的直方图计算，通过计算具有什么强度级别的。强度级别从0到256

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

用高光谱数据对地物进行分类，分别用KNN算法（K—近邻）和GDA算法进行分类。 The main contents are as follows:             Introduce two kinds of classification algorithm -- K nearest neighbor and Gauss discriminant analysis.