两直线间距离测量

学习MFC slider控件时自己编写的例程，结合了OPENCV。滑动RBG三通道颜色滑动条来调节颜色的深浅，实现了调色板的功能，作为初学MFC slider的一个小例子，并能对初学OPENCV像素访问的有所帮助，提供了两种访问像素的方法。

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。

图像变形，通过调节控制点来扭曲图像达到需要的效果，有2中变形方式，自由变形，梯形变形，垂直变形，运用cinder开源框架编写，具有很强的扩展性

本人亲测可用（基于matlab2010），速度稍慢，六张2760*1140的图片拼接大约十分钟能拼出来（笔记本，奔腾b980处理器，3g内存），接口处模糊，整体有畸变

资源描述改代码是程明明老师2011年论文--Global Contrast based Salient Region Detection的对应代码，改代码已调通可直接使用。

资源描述Detecting visually salient regions in images is one of the fundamental problems in computer vision. We propose anovel method to decompose an image into large scale perceptually homogeneous elements for efficient salient region detection, using a soft image abstraction representation. By considering both appearance similarity and spatial distribution of image pixels, the proposed representation abstracts out unnecessary image details, allowing the assignment of comparable saliency values across similar regions,and producing perceptually accurate salient region detection. We evaluate our salient region detection approach on the largest publicly available dataset with pixel accurate annotations. The experimental results show that the proposed method outperforms 18 alternate methods, reducing the mean absolute error by 25.2% compared to the previous best result, while being computationally more efficient.

在这个计算冰图像部分上使用用户输入的数字值的字段，在哪个用户定义区域多少字段可以的覆盖的区域，我们用哪个，如果颜色是橙色，比它将 1 或更少数量的冰在任何领域，同样最高用不同的颜色的颜色函数值。

人脸的不同部位的灰度值是不同的，根据灰度值的比重，通过直方图分析确定人脸的各个部位的灰度值的取值范围，达到识别人脸的作用。

Retinex可在光线条件不好时改善图像的视觉渲染。当光线较暗时，我们的眼睛可以正确地看到颜色，但照相机和摄像机不能很好地处理这个问题。MSRCR（MultiScale Retinex with Color Restoration）算法是Retinex滤波器的基础，其灵感来自于眼睛的生物学机制，以适应这些条件。Retinex代表视网膜+皮质。

应用背景SLIC是Simple Linear Iterative Clustering的缩写，是一种基于聚类算法的超像素分割。它在CIELAB空间中使用聚类，由LAB颜色空间中的亮度分量L和两个颜色分量a，b以及像素坐标x，y共同构成的5维空间中执行的一个局部像素集合。图像色彩的信息和图像平面空间几乎统一，以此这种新的距离度量就生成了结构紧凑、规则，并能够无缝隙的包含灰度及彩色图像。SLIC算法执行起来非常简单，容易在实践中应用，它只需一个参数即可。关键技术 SLIC不仅可以分割彩色图像，也可以兼容灰度图或位图，并且还能人为的设定超像素点的数量。 里面有导出的直接可执行的程序，也有详细的代码，用VS编写，系统32位，如果用64位需要更改vs配置，自行百度。