C + + 注册表模式

小波变换的边缘检测是图像处理算法的重要组成部分。您可以手动选择你的形象，并运行该程序

这个文件里面的图像处理代码，希望对大家有用；

图像处理在现实生活中用的越来越多，机器视觉内软件开发也越来越流行，编程语言也很多，labview变成门槛低，学的快，好用，实用。此程序使用labview的机器视觉控件进行了简单的图像二值化处理。

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

matlab练习程序（简单多边形的核）还是计算几何， 多边形的核可以这样理解：这个核为原多边形内部的一个多边形，站在这个叫核的多边形中，我们能看到原多边形的任何一个位置。算法步骤如下：1.根据原多边形最大和最小的x,y初始化核多边形，就是个矩形。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

基于visual c++ 6.0，使用opencv1.0对图像进行简单的处理，适合初学者用。如果对opencv较熟悉的话，则此程序对您不会有任何帮助。该算法中只是使用opencv自带的几个函数进行处理，可以直接运行。

基于Opencv实现的图像纠偏算法，使用的是边缘检测。先进行图像二值化，在进行黑边裁剪，最后进行纠偏旋转。