harris角点检测算法

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

本程序实现Harris角点检测功能，是图像处理领域必不可少的学习工具，初程序简单易懂，特别适合学者参考学习!

用c和opencv实现，动态手势识别用的是hmm算法，里面有完整的HMM的实现，并实现了上下左右圆圈五种手势的识别。对于学习hmm有很大的帮助

该 程序实现了MATLAB中的中值滤波，而MATLAB没有自带的中值滤波函数，   此达到的效果很好。。。。。

C#摄像头实现拍照功能的简单代码示例，winforms程序， 使用avicap32.dll调用摄像头，录像或者抓拍照片。代码不多，但是简单适用

这段代码描述了如何使用Lucky Richardson算法对图像进行插值。

基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染

SURF改进算法，让图像拼接和配准更精准、更快速！是图像识别的经典案例。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

此代码主要描述的是对图像的预处理过程，包括对图像的灰度化、二值化、边缘检测，细化、高斯去噪、分割、平移、旋转以及归一化处理，能够将读入的数字图像进行处理，更好的模式识别提供特征提取。