FFT,DFT,IFFT变换的c程序

图像处理比较全面的算法，包括图像的读取和显示，图像的点运算，旋转，与或非，边缘提取等等，自编

C语言实现，快速傅里叶对于非标准图像处理有欠缺，快速傅里叶的输入最好为标准图像大小，否则逆变换后原图会出现模糊，该源码中包含基本的dft变换，速度很慢，但处理任何图都可以。

这一个简单的项目,需要一个视频路径和计算场景的视频。场景是基于连续两帧之间的运动可由用户阈值。场景类也可以扮演幕后,返回现场最高的帧数,返回现场与最低数量的帧和/或通过id获取场景。该项目使用opencv的运动估计计算两帧之间的运动。幕后存储在两个向量。一个向量未分类的场景,另一个拥有场景以升序排序基于它们所包含的的帧数。

可以直接获取ＵＳＢ摄像头的视频进行处理，也可以读取采集卡的视频流实现人脸识别，采用VC++6.0与opencv1.0，海康威视的采集卡

此代码是第一个模块在人类行为识别系统，其中输入视频帧的 shilloutte 是要提取出来进行进一步处理。该代码将自动预测图像的背景和从输入视频序列中提取 shilloute

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。

用于医学图像重建的反投影算法。电子医疗最好的技术之一图像重建领域，这是最重要的和广泛使用的算法

程序提供了人眼疲劳监测，实时检测人眼并分析图片，使用vc++与opencv，当人眼疲劳时，系统将发出警报。

应用背景飞行器空中拍摄。空中侦察，实时的图像传送和定位，用于飞行器的控制关键技术RGB检测技术、摄像头技术、stm32核心控制、fifo读取

加深理解FIR数字滤波器的时域特性和频率特性，掌握FIR数字滤波器的设计原理与设计方法，以及FIR数字滤波器的应用。