医学图像

该程序，主要介绍了SSDA算法。程序简单可靠。经过导入图像后，可直接运行。可供大家参考，多多交流哦。

是关于 数字图像处理典型算法及实现（源代码），是不错的算法及代码的实现，大家可以借鉴下，愿对大家有帮助。

利用AMM实现人脸特征点的标注，内有源代码及可运行程序

使用C++实现基本的图像处理功能，包括图像平移，图像旋转，图像镜像，图像缩放。还包括一些边缘检测的算法，有Robort边缘检测算子，Sobel边缘检测算子，Log边缘检测算子，以及基于MATLAB的傅里叶变换程序。比较实用，效果也很不错。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理

 二维离散余弦变换的图像压缩, 程序能够运行出正确的结果，希望对各位有帮助。 

灰度图像可被视为地形起伏，其中像素的灰度被解释为其在起伏中的高度。落在地形地貌上的一滴水沿着路径流动，最终到达；

资源描述使用vs+C++，opencv2.4.9在windows平台上的运动目标检测追踪代码

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

采用C语言实现了一种背景建模的方法，vibe算法，该算法性能良好且运算速度较快，该算法基于文章Vibe：a universal background subtraction algorithm for video sequences实现，具有较高的实用价值。