JPEG图像显示程序的所有功能，如放大extjs，出来，fitwindow，原始分辨率

本文介绍了视频增强技术的方法，包括空域增强和频域增强，叙述了几种重要滤波器的优缺点及其适用范围。对有雾图像进行分析，找出雾天图像退化的主要原因是灰度值集中在一个比较高的水平。然后针对这种情况对图像进行处理，使得图像对比度增强。以直方图均衡化为主线，搭配了一些其他处理，达到了较好的处理效果。

利用形态学处理对道路进行分割提取，包括中值滤波3x3,5x5,7x7等不同模版下的道路提取，可以有效的提取出道路的骨外扩，后面有详细的备注说明。                                                                                                                                  

在directshow的基础上实现对视频源亮度的调解，以更好的适应不同的环境，经过测试有一定的效果。特别是在光线叫暗淡的环境下能够获取较高亮度的图片。

BERNSEN localthresholding %。%Bw = BERNSEN(IMAGE) 执行的一个二维 localthresholding%阵列图像的 Bernsen"sthresholding。该方法使用%用户提供对比阈值。如果是局部对比度 （最大-最小）%高于或者等于 contrastthreshold，阈值设置为%本地 midgrey 值 （平均最低限度和最大灰度值在%本地窗口）。如果 localcontrast 是下面的对比%阈值附近被认为仅由一个类组成%和像素设置为根据的值对象 orbackground%midgrey。%%Bw = BERNSEN （图像、 [M N]，CONTRAST_THRESHOLD、 填充） 执行本地奇数 %阈值值 M 由 Nneighbourhood （默认值为 3，3）。默认值 forCONTRAST_THRESHOLD %都是 15。处理边界使用 PADARRAY 选项 （默认值是之一填充图像 %像素为单位）%"replicate"）。%

包括8位、24位位图的读取、重写、灰度化、滤波、边缘检测、旋转等操作，对于初学者有极好的参考价值

应用背景功能强大的OPENCV，对处理图像有很强大的功能。学习好OPENCV对图像处理有很大帮助。关键技术对OPENCV有详细的描写，适合新老朋友学习OPENCV。功能强大。

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

资源描述 网上看了很多的教程，但是按照教程来其实是不行的，而且那大多是互相抄的，明显看的出来。这是我自己看书，然后咨询了很多人，一步一步的试，最后配出来了。 使用的是QT5.5.1，opencv使用的3.0 大家主要要看我的pro文件里面的INCLUDEPATH 和 LIBS里面的写法

OpenCV/c + + 程序计算，然后可视化图像的猪描述符。该程序采用 HOG 描述符并通过遍历所有块和将梯度的长处为每个单元每个块添加到每个单独的单元格来计算每个单元格中的梯度幅值，然后最后平均梯度的长处。

实现了基于opencv 的手写数字字符识别主要参照文章： http://blog.damiles.com/2008/11/basic-ocr-in-opencv/ 基本上就是按着人家的代码来配置的，完后小改动了几个参数，写了一个文档，方便大家学习吧。