图像处理中的角点检测

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

这个职位的目的是提供简要概述了如何使用纹理信息，利用 Matlab 的图像分类。基本上，我们想要做的是从一组标记描述纹理的图像纹理分类器的学习。然后，我们将使用的学习分类器提供类标签标记的图像。（从网站：http://www.alceufc.com/2013/09/texture-classification.html)

本程序实现Harris角点检测功能，是图像处理领域必不可少的学习工具，初程序简单易懂，特别适合学者参考学习!

应用背景 用于图像处理，调节图片的gamma值，已调试过，可用，基于vs2012.无数据库。能进行图片的调节，左右有对比啊。 关键技术 调节图片的gamma值，用vs开发，是c#开发的，有借鉴价值，图片处理，可已使用。

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

给定两幅图像，计算两幅图像间的差异，包括均值和方差的差异。

对图像进行去噪处理，运用小波变换将其进行四层分解，进行小波变换可以将图像的高频和低频分量，分离出来，高频分量里又包含了大量的纹理特征信息，通过对图像进行小波变换提取图像特征量的均值和方差，作为图像的纹理特征

利用opencv进行目标检测及跟踪，通过团块检测实现目标检测及跟踪，利用改进的surendra算法提取背景，在本机上已实现

给定一个含有人脸的图片，可以自动找到双眼，然后把人脸裁剪出来，将人脸进行旋转，到水平， 并将两个眼睛之间的像素整定成100，整个图片是 340*340

对一张不规则四边形区域的图像，进行双线性近似插值，还原图像到矩形区域。透视变换：设置要转变前4个点和目标的四个点，生成透视矩阵；基于透视矩阵将原始图像进行透视转换