VTK的经典入门三维重建程序

近场球面波卷积—逆投影算法，能求出径向分辨率和横向分辨率， 得到目标的二维成像图。程序中已经设置好参数，点击即可运行

使用opencv打开双摄像头，显示所打开的摄像头视频，简单的c++程序

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。

图像处理常用的开源库，如libtiff、libpng等，可利用这些文件进行图像处理方面的开发工作，同时文件中包含工程实例。

命名空间PaintDotNet

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。

如何检测一张照片中汽车的对象，使用 openCV 项目和平衡配装优化问题算法完整文档作为 html 文件中的描述

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。

资源描述 利用3层神经网络使用 LBP的特征进行行人检测的识别，里面已经包括行人检测的训练数据集。 开发环境VS2013 opencv3.0

资源描述 包括详细教程和例程： 【多媒体封装格式详解】---MKV【1】 【多媒体封装格式详解】---MKV【2】 【多媒体封装格式详解】---MKV【3】