图像编辑器

数字图像处理

Ramtin Shams 07年发表的文章《Speeding up Mutual Information Computation Using NVIDIA CUDA Hardware》 利用CUDA计算互信息实现加速，此为此方法源码。 源码包中包括源代码以及相关论文。

matlab练习程序（旋转、径向模糊） 还记得过去写过径向模糊，不过当时效果似乎不好。这次效果还可以，程序中用的算法是：1.求当前处理点和图像中心点之间的距离r与角度ang;2.通过对r的修改得到径向模糊。3.通过对ang的修改得到旋转模糊。一看代码就能全部明白，不仔细解释了。

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。

在本文中，我们目前 DCT （离散余弦变换） 块应用级图像压缩 JPEG （联合摄影专家组） 算法的有效性。结果表明该算法是在压缩的情况下最有效的因为它有非常良好的压实性能与能源相关的值。作为一项基本原则，我们消除高频率，并保持低和介质不会明显影响形象。在实际应用中的人脸检测、 皮肤颜色、 面部识别、 虹膜、 指纹等遇到了 DCT 的 JPEG 压缩算法

opencv用多种方法提取特征，分别有颜色提取即：颜色直方图提取；形状提取有Hough直线提取、Hough矩形提取以及边缘直方图提取

收藏的几篇关于图像拼接的学位论文，讲的比较明白的那种，思路很清晰，对做全景图像拼接有较好的参考价值，不用上网花钱去下论文了。

应用背景图形图像处理，寻找大津阈值，程序中运用继承派生的思想，寻找最优大津阈值关键技术图像分割处理领域，关键目标提取，大津阈值选取

基于非采样Contourlet变换（NSCT）的图像融合算法的matlab实现

这是用于文档图像分割的代码，用于从已降级的文档图像中分割前景文本。