图像处理

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

改进自适应交叉和变异概率 在遗传算法中，通过交叉操作和变异操作使一对相互配合又相互竞争的算子的搜索能力得到飞速提高。交叉操作作用是组合交叉两个个体中有价值的信息产生新的后代，它在群体进化期间大大加快了搜索速度；变异操作的作用是保持群体中基因的多样性。为了加快收敛速度和全局搜索性能，在遗传算法计算的过程中，根据个体的情况，自适应的改变两者的概率，将进化的过程分为渐进和突变两个不同阶段。在Srinvivas等提出的自适应基本遗传算法中，交叉概率和变异概率能够随适应度自动调整，在保持群体多样性的同时保证了遗传算法的收敛性。

资源描述H264编解码器源代码，包括H264编解码播放器和编解码的源代码

VS2010解决方案按OpenCV相关配置1.读入视频文件    将视频加载至内存，文件名需按正确路径添加2.逐帧读取文件    将视频逐帧读取，并每帧读取成图片保存3.帧图像保存    帧图像名包括图像名和序号

实现基本的直方图，阈值分割，形态学滤波，边界分割，利用傅里叶描绘子实现1/4,1/8,1/16边界重建。

在这个程序中，通过离散小波分析和输入图像来得到一个基于高频子带图像插值的图像分辨率增强技术。边缘的增强的基于平稳小波变换 （SWT） 引入一个中间阶段。为了将输入的图像分解成不同子带，使用了离散小波变换。然后，对高频子带以及输入的图像进行插值。估算的高频子代通过平稳小波分析得到的高频子代修正。然后，所有这些子相结合，通过使用逆离散小波变换 （IDWT） 生成一个新的高分辨率图像。定量和视觉结果显示了该方法的优势超过常规和先进的图像分辨率增强技术.

用于边缘分割效果很好。% 第二种算法采用的是形态学中的腐蚀和膨胀运算。首先，对图像进行低通滤波，消除细小噪声的干扰。 % 在滤波时，没有采用传统的中值滤波器，而是采用顺序统计滤波器ordfilt2。%                           imm=ordfilt2(im,n,ones(N,M));% 上式表示，将ones(N,M)范围内的像素值依次排序，用第n个像素点的值代替该点的像素值，% 此种滤波器与中值滤波器一样不会使图像的边缘变的模糊，在滤除噪声的同时很好的保留了图像的边缘。% 之后，设定门限值，将掌纹图像转化为二值图像。由经验得到门限值应为15（或20）。% 对二值化后的图像先进行膨胀运算、再进行腐蚀运算，将得到的结果与原图像相减，图像上所剩的点即为角点。% 先膨胀运算，再腐蚀运算，SE表示在进行膨胀与腐蚀时所用的结构元素。% SE的确定是此次角点检测的关键所在。SE的形状应与要检测的目标的形状相似。% 知要检测的目标的形状为弧形，所以SE的形状也应该为弧形。

这个是我在网上下载的图像处理程序。里面有一些图像处理的基本算法，如边缘检测中值滤波，是Opencv结合MFC 很适合初学者使用。

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

基于opencv，使用直方图均衡化的方法进行数字图像处理，满足冈萨雷斯的数字图像处理课本的例题要求，适合初学者理解参考