图像分割

应用背景在进行图像处理时，由于实验数据要求不同，经常要对图片的大小进行修改，如果只是一两张图片可用一些PS等软件很快的修改，若图片有成百上千张，比如在做人脸识别时，非常耗时，所有可以用该程序来进行批量修改，图片长宽可在代码中进行设置。关键技术主要是opencv中dst_img_rsize的使用，以及如何根据文件名循环的读取图像文件进行批量操作，修改完后如何将其保存又不与原始图像混在一起。

基于K-means的彩色图像分割算法，这是源代码，以供大家参考和学习。。。特征空间聚类法进行图像分割是将图像空间中的像素用对应的特征空间点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原图像空间，得到分割结果。其中，C均值聚类K均值算法先选K个初始类均值，然后将每个像素归入均值离它最近的类并计算新的类均值。

这是一个关于图像匹配的代码，有sift，surf的 特征检测 ， 特征提取等，有它们的具体实现算法，很值得研究，也比较适合初学者

这些源代码做视图变形的输入应该是一个两个姿势的图像或左姿势和右姿势然后结果将是一个正面姿势和源代码还包括特征提取点，这样你可以检测眼睛和嘴巴。因此整个面部可以变形。

嵌入式零树小波(EZW)算法是一种简单但非常有效的图像压缩算法,它可以将编码信息流中的位元按其重要性进行排序，进而可以对图像充分压缩。嵌入代码代表了一个能判断一个图像是否为“空白”图像的二进制序列。使用嵌入式编码算法,编码器可在任何一个点随时终止编码从而确保任务进度或任务失真度量的正确。同样的,对于一个码流,解码器可以在任意节点停止解码而且还能产生与原图相同的图像。EZW除了可以产生出一个完全嵌入式码流,其在标准测试图像上的压缩结果胜过几乎所已知的压缩算法。达到这种表现是因为这种技术不要求技术训练，不要求预先存储的表单，并且不需要先验知识。

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。

我们检测到的边缘图像进行8个方向。 更换图像加载命令PLS。

一种新的方法进行分类的各种恶性肿瘤中使用宫颈细胞图像的纹理属性的宫颈细胞图像

此应用程序演示如何在ITU-656模式下从解码器ADV7183执行视频采集，将数据缓冲到SDRAM中。然后，缓冲的视频帧被发送到视频监视器。在此应用程序中，不需要任何处理

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。