ASM人脸识别

该项目是用来识别在眼底图像的黄斑。 对我们有一个眼底图像，并将其加载到程序，并将其转换为rgb为灰色，然后将其施加形态学处理。之后，该输出有助于在得到的光盘，在眼底图像。 然后输出被用来寻找其中中央凹是loacted黄斑位置。黄斑是位于2.5* DD的距离。 （盘直径）。 因此通过定位OD，我们可以很容易地进行本地化和黄斑中心凹进一步....

 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。 

此代码可以帮助您检测图像中的特定模式。在这个程序中，你会发现所有关于读取和写入数据，from 和 to 文件。您将发现和使用的文件阅读和写作的语法和程序。这个结尾给出了示例文件读/写代码文档。您可能希望使用此或执行您自己的代码。你需要进行 2 的测试运行。模式可以找到几乎无处不在。例如，在处理的同时图像文件，来检测任何特定的模式，在原始图像中嵌入原始将首先转换为等效的灰度组成或者 0 或 1 表示。在特定的模式然后搜索对这种原始图像。

目标检测的matlab代码，能在windows上运行，代码并不是个人原创，而是在别人基础上稍作修改，移植到windows平台中

GDAL通过RasterIO读写图像文件，数据集的创建，图像相关信息的获取，从而实现GDAL 切图功能，实现的切图可以在网络地图上使用。

国外大牛共享出来的Instagram-Filters完整实现，有版权，做参考学习用非常有帮助

利用开源的函数库opencv，将一幅任意格式的图像，以文件名为标题的显示出来，并且实现对图像大小的调整，可以测试vs2010与opencv加载是否正确，一般是学习opencv的第一个程序代码，用简单的代码运行显示出来。

cuda上矩阵相乘的优化，对图像处理在CUDA上进行并行运算有很大的作用，帮助理解CUDA寄存器溢出的原因。

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

功能：通过频域补零，实现时域插值，使时域信号平滑，易于观察，以matlab函数形式实现 输入：一维时域信号，插值倍数（其中插值倍数指输入时域信号长度的倍数，即最终得到插值后的时域信号长度为length(输入时域信号)*插值倍数） 输出：插值后的频域信号和时域信号