图像处理 matlab 代码

SIFT KD树 图像拼接 全景图_多幅图 opencv  这个是完成的程序 在windowsVS2008下编译通过 ，可以直接运行 是很好的学习范例 同时也具有很好的工程使用价值

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

ffmpeg 的api 使用例程。很不错，对学习ffmpeg的人很有帮助！有问题可以给我留言，共同学习交流！

http://en.wikipedia.org/wiki/Metropolis-Hastings_algorithm 大都会-黑斯廷斯算法是马尔科夫链蒙特 Carlo 方法获取从概率分布的随机样本序列为直接采样是困难的。序列可以用 近似分布。 下面的代码是算法的大都市-黑斯廷斯，一个简单的实现这些代码根据 linux 运行系统。 编译，并也可以用在 Windows 操作系统中。 Metropolis_demo.cpp 是一个演示取样高斯分布。 在 matlab 才能看到结果运行 metropolis_demo.m。您可以修改 metropolis_demo.cpp 适应代码到你自己的问题。

本压缩文件的主要内容是关于OpenCV主要算法详解在实际应用中的使用帮助，对学习opencv很有帮助。

图片选转,另外  ///         /// 任意角度旋转,正数顺时针旋转         ///         /// 原始图Bitmap         /// 旋转角度         /// 背景色         /// 输出Bitmap         public static Bitmap KiRotate(Bitmap bmp, float angle, Color bkColor)         {             int w = bmp.Width + 2;             int h = bmp.Height + 2;      &n

资源描述微软牛津计划的sdk，主要用于视频分析，人脸检测与识别等

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

Fig2.jpg是有渐晕现象的拍摄图片  func_k.m 是渐晕模型中的参数设置 vignetting.m是主函数 主函数如下： Pi = 3.1416; d = 400; w = 0.0236 * Pi; figure(1); fid = imread("e:matlab71fig2.jpg");    %打开有格式文件 subplot(1,2,1); imshow(fid);

从视网膜图像中分割血管，从而准确计算糖尿病视网膜病变是很重要的。在此代码中没有提供图像数据库，使用者可以使用任何免费提供的在线数据库。