利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理

这是对图像中的人脸提取其中的LBP特征，用到了OpenCV中的图像的类型IplImage，将图像中的人脸的纹理提取出来，这样便可以消除光照对人脸图像的影响，对于图像中的有用的信息表示为1，其他表示为0，这样就可以将lbp特征显示出来

应用背景图切算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。本文简单介绍了图切算法和交互式图像分割技术，以及图切算法在交互式图像分割中的应用。关键技术 交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 可以看出其“双影”和”空洞”比较明显。双影是由于帧差法有2个影子，在该试验中就是轮廓变得很粗，”空洞”是由于物体内部颜色相近，检测不出来。当然帧差法还有个致命的缺点那就是阈值T需要人工设定。 　　对于帧差法的”双影”现象，有人提出来了三帧差法。其原理如下所示： 　　1. 由i(t)-i(t-1)得到前景图     F1 　　2. 由i(t+1)-i(t)得到前景图    F2 　　3.  F1 ∩ F2得到前景图     F3 　　4.  形态学处理 也就是利用2次相邻帧的差，然后去与操作，就得到了真正的那个影子了。这个在一定程度上可以解决”

在图像中，颗粒与颗粒之间会有接触，先检测出颗粒与颗粒的接触点，也就是契形点，将颗粒接触的两个契形点找到，用直线连接，并分割开，完成接触颗粒的自动分离

全变差图像去噪，首先通过增加高斯噪声来产生带噪图片，然后在用全变差方法对噪声去除，全变差算法的好处地保留了图像的边缘性，但是当噪声过大时会使边缘产生阶梯效应

中值滤波(num*num)、自适应中值滤波、改进版自适应中值滤波，支持24位图和256色图

通常我们可以用减法算子进行图像差分。但是由于散斑噪声的影响，使用起来非常困难。所以我们可以找一个Log操作符来解决这个问题。在不同时间拍摄的图像会有一些变化。它在监视中非常有用。在此基础上，利用模糊c均值聚类进行图像分类。这对于SAR图像的变化检测是非常有用的。

膨胀和腐蚀的形态学图像处理中的两个基本算法。这些运算符，与不同的结构元素一起使用时可有效用于分割和对象提取二值图像去噪，平滑的物体边界和填补的漏洞和裂缝。在这项任务，我用形态学算子来提取的行数和图像附加包中还包含的词。步骤： 五官 imageApply 扩张与水平的结构元素，要合并的行中的所有字符。应用连通标记算法 （bwlabel） 找到的行数。使用一个较小的水平结构元素来一句话合并字符和再次使用 CC 标记算法在图像中找到的单词数。输出:

osg与qt 学习过程中显示入门程序，通过osg 与qt quickly 的结合实现对3D 图像的处理和优化作用。包括所有的源代码，可以在配置好编译环境的条件下直接运行。

OOL CVideoEXEDlg::OnInitDialog() { CDialog::OnInitDialog(); // Add "About..." menu item to system menu. // IDM_ABOUTBOX must be in the system command range. ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX); ASSERT(IDM_ABOUTBOX < 0xF000); CMenu* pSysMenu = GetSystemMenu(FALSE);