kmeans算法

图像处理数字成像的基本原理使用Dirth的技术的图像增强抖动的照片Liguagem C + +

完整的MFC编写的基于人脸识别的智能签到系统，包含了开发文档。基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.1，其中ASM人脸对齐部分还用到了OpenCV 2.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。 

HTML 标记 看看以下的 html 标记。我们需要与输入文件添加一个简单的 html 窗体，并提交财产。我们也需要给文件输入文件名框与破晓，如文件 [] 和需要添加的属性命名为多。在这里接受是一个可选属性，用于允许用户上传仅图像文件     Multiple File Ppload with PHP         PHP 文件 这个 php 代码处理上载的文件并保存到服务器。 $valid_formats = array("jpg", "png", "gif", "zip", "bmp");

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

使用C++做出3D圖形顯示,樣品內容是繪出一個立體球狀,可更改其大小直徑顏色,結構,多角度旋轉等...FFT轉換,波型繪製處理

应用背景用于标准灰度图像的JPEG压缩，编码。计算压缩比，PSNR的值关键技术压缩中用到许多编码方法Huffman编码、RLE 、DPCM

数字图像处理与机器视觉将理论知识、科学研究和工程实践有机结合起来，介绍了数字图像处理和识别技术的方方面面，内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。本书还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ANN)和支持向量机(SVM)，并在配套给出的识别案例中直击光学字符识别(OCR)和人脸识别两大热点问题。 本代码为该书配套的VC工程源码，非常棒，推荐大家了解数字图像处理与机器视觉的基础内容。

数字图像的边缘检测室图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要方法，本程序是基于openCV函数库编写的图像处理程序，采用canny 算法进行边缘检测

应用背景VC++ 基于MFC平台，是智能监控的基础，是数字图像处理的入门代码。关键技术数字图像处理，载入图片，改变图片的灰度级别，量化，采样。

我们建议是不特定的盲人没有参考 NR） 视频质量评价模型。该方法依赖于离散余弦变换域中的视频场景时空模型和特征类型的运动发生在幕后，视频质量预测模型。我们使用的模型来定义录像统计和感知功能，视频质量评估 （VQA） 算法，不需要在原始的视频，要预测一个感性的质量分数进行比较的基础。本文的贡献有三方面。1） 我们建议时空的自然场景 （NSS） 统计模型的视频。2） 我们建议量化运动相干视频场景中的运动模型。3） 我们表明拟议的 NSS 和运动一致性模型是适合的视频质量评估，我们利用它们来设计了一种盲目的 VQA 算法与人类判断质量的高度关联。提出的算法，称为视频 BLIINDS 测试住 VQA 数据库和洛桑 PoliMi 视频数据库和显示执行接近水平的顶尖表演减少和完整引用 VQA 算法。