VTK的经典入门三维重建程序

应用背景适用于初学者掌握对模型的总体把握，如何创建模型，如何在基础上建立新的坐标系，如何控制不同部分间的从属关系，如何键控不同部分的动作，使使用者对opengl的3D环境有充分了解。关键技术本代码调用了opengl 3D环境的多种函数，从创建模型到操作模型都涵盖在内，包括旋转，键控，视图，这是初学者学习，借鉴，掌握opengl的非常好的例子，也是我初学的样例，相信对初学者非常有帮助。

整个是一个粗糙的水彩化效果程序，通过若干种图像 运算算法得到，几何运算，代数运算，膨胀 扩散 求边缘等

通过使用 cuda 的 Jpeg 2000 年执行。 -转换为 BMP-> 与您的 NVIDIA GPU JPEG2000 -命令行工具和 CUDA/c + + 库 -为有损和无损编码 -最快的开放源码 JPEG2000 编码器之一： 将编码 27 200 万像素 -RGB 图像在 4.0 秒 (有损) / (无损) 在 280GTX GPU 上的 6.2 秒

资源描述神经网络过程，主要使用的是BP神经网络模型实现图像压缩！！！其中包括图像压缩和图像重建过程。对学习图像压缩的盆友有帮助

计算 2 图像之间的单应矩阵。 使用 Homorgraphy 矩阵创建全景图像。

颜色分类案例，展示了如何使用分类器来实现颜色识别功能。文件包含一个色谱图像、演示程序和SVM分类器文件。程序大致思想为：1. 将图像变换到HSV空间；2. 采集每种颜色的样本点，加入到SVM分类器；3. 训练SVM分类器；4. 循环获取带分类的点，进行分类识别。

(1) 一系列颗粒状物体形成的二值图像，假设各颗粒具有相同的大小，采用形态学算法产生三种图像，使其分别包含 (a) 与边界连通的独立颗粒 (b) 彼此交叠的颗粒 (c) 彼此无交叠的独立颗粒(2) 一系列颗粒状物体形成的二值图像，假设各颗粒具有多种不同的大小，采用形态学算法，将不同大小的颗粒区分开，注意其中重叠颗粒的判断。

C#做的手势识别。在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动

资源描述代码主要作用是进行图像质量检测，包括图像的偏色检测和噪声检测。偏色检测是针对采集的24色卡图像，算法的实现先是进行颜色空间转换，再进行色差衡量。噪声检测则能够量化图像中噪声大小，对图像受噪程度有一个量化的任何，适用于检测高斯噪声的图像。

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。