鱼眼矫正

Harris检测角点的方法，能够很好的检测出棋盘格内的角点数目，基本无误检。

图像融合的程序，在网上找的 我是看不懂  我是要是下载这里面的另一个程序 苦于没有积分 只好上传一个之前下载的程序  

实现DEM数据的读取和网格化渲染，同时根据高程不同的高程赋予不同的颜色系统采用C++和OpenGL开发，可实现DEM的三角网渲染、颜色渲染以及贴图渲染

本算法是多年图像处理的工作总结   很实用  直方图均衡化  噪声的消除  是图像更清晰，图像取样后，样本的灰度值是一个模拟量，在用计算机对其显示和处理之 前，必须进行量化处理，而量化的过程实质上是多对一的不可逆的对应过程。 这样不可避免的引入了量化误差，解决这个问题的方法之一就是对图像按灰度 分布密度进行非均匀采样。

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。

模式识别系统，附带所有代码，可以计算出一张黄豆图片中，黄豆的数量，并且带有大量的图像分析算法。

BMP转JPEG,利用Windows系统自带的API函数进行转换处理。 有图形界面，可以预览，有功能带单，可以进行与图像相关的设置，此程序编写的比较精细。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

资源描述这个代码能够实现简单的1,2,3....10的手势识别，但是代码的识别率不是特别高。源码是我在网上下载，但是我自己编译时报错，发现源码中有一处细微错误。我自己更改后成功运行，但是代码本身算法不够好，精确度不高。

应用背景本代码演示了如何检测一个特定的色，通过调整色调，饱和度，从跟踪栏值关键技术这个代码可以用来识别蓝天背景的白云