端点特征提取

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

一个简单的人脸检测程序，打开一副图片后利用两种方法进行人脸检测和识别，并标记出人脸区域，目前还比较简单，只能对静态图片进行检测，下一步打算对视频图像进行检测。虽然现在人脸检测的很多，但完全是源码没有使用图像库的很少，所以仅供大家参考了！

HMM模型算法程序，对于学习动态手势识别很有用，包括后向算法估计参数，前向后向算法、BaumWelch算法的实现

实时图像处理软件。软件计数约22000瓶回收每小时。正在使用非常快速的算法。

经典ksvd工具箱，用于压缩感知中信号的重构，利用OMP算法求稀疏稀疏矩阵，然后通过迭代方式运用奇异值分解逐列更新

由于对运动目标检测与提取的精度要求越来越高,在运动检测中排除阴影的干扰也就越来越受到重视。当前采用的运动检测算法通常在提取运动目标 的同时也将运动阴影提取出来,这会导致在分割和提取运动目标时产生严重的影响。阴影消除算法，matlab版本，其中阴影消除的阈值和数学形态学模板的大小需要根据具体的视频图像调整到合适的值。

利用均值濾波、形態學運算、canny找邊緣來切割血管，医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展,借助电子计算机等辅助手段,医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管,对视网膜血管的分析研究有助于疾病的精确诊断。然而,由于视网膜血管图像的灰度分布不均匀,目标血管与图像背景的对比度低,再加上图像噪声的污染,使视网膜血管的自动分割非常困难。所以,通过建立眼底视网膜图像的计算机辅助分析系统,对眼底视网膜组织进行定量分析与定性检测,对临床眼科学的病理诊断具有非常重要的意义。本课题在查阅大量数字图像处理的文献基础之上,结合DRIVE眼底视网膜图像数据库模型,通过分析不同图像分割算法的特性,对眼底视网膜血管图像进行了分割实验与对比分析,主要过程如下：1.对视网膜图像预处理。通过分析RGB彩色系统模型,对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法

资源描述基于MFC的图像处理源码，课程设计的相关代码，可以实现大部分图像的基本操作，包括图像二值化、直方图处理、旋转缩放、采样插值、膨胀腐蚀等等

一共有三个m文件，一个是lbp.m, 存放主要的lbp算法，一个是getmapping,用以做算法的辅助函数，一个是lbptest.m,存放着测试代码。这三个文件需要放到同一个文件夹，并在文件夹中添加相应的图片，具体的图片名字见lbptest.m的代码，运行lbptest.m可以查看结果。

用vc++实现了两种经典的小波去噪算法、 对于初学者很有意义