JPEG压缩

对于图像饱和度问题进行适当调整，采用了HSV->RGB转换的方法，OpenCV+VC6.0，该方法自动生成dll，并且附有调用函数。 saturation.cpp生成饱和度调整dll baohedu.cpp调用dll saturation.h头文件 学习交流用， 亲测能运行。                                      &n

应用背景平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。关键技术 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的平均值，误差平均值，然后在平均差值的基础上+-误差平均值的常数(这个系数需要手动调整)倍作为背景图像的阈值范围，所以当进行前景检测时，当相应点位置来了一个像素时，如果来的这个像素的每个通道的灰度值都在这个阈值范围内，则认为是背景用0表示，否则认为是前景用255表示。

开发环境：VC++6.0，利用MFC提供的文档/视图框架实现的一个单机版窗口软件系统。实现菜单和图标工具栏，将“几何形状”、“颜色选择”、“线宽”、“线型”、“内部填充模式”等多种功能集成进来。

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等

caffe学习笔记4_学习搭建自己的网络——MNIST在caffe上进行训练与学习学习笔记1_CIFAR-10在caffe上进行训练与学习学习笔记2_用一个预训练模型提取特征学习笔记5_逐层可视化图像特征

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。

在一张纸上写了非常多的数字，然后利用遗传算法进行训练，最后对样本数字进行识别

应用背景金字塔分割算法由cvPrySegmentation所实现，该函数的使用很简单；需要注意的是图像的尺寸以及金字塔的层数，图像的宽度和高度必须能被2整除，能够被2整除的次数决定了金字塔的最大层数。关键技术函数 cvPyrSegmentation 实现了金字塔方法的图像分割。金字塔建立到 level 指定的最大层数。如果 p(c(a),c(b))

这是兴趣的该算法在图像处理与最佳的质量。 事情算法的图像增强提高我们的形象。

资源描述本代码为人工神经网络代码，重点用在图像识别，图像分类方面其中包括ANN的数字字符识别系统代码，其他的代码都是为学者提供学习的参考。