MFC读取彩色图像

2010年PMAI的杰出论文的开源代码，Superpixel,用于图像分割效果非常好。是目前图像分割主流方法之一！

%%我们创造了输入性否定了这个功能％这是一种线性变换％撰稿：Soheil Mohammadpour，26/01/2013，伊朗伊斯法罕％的电子邮件：soheilmpour@gmail.comCLC，全部清除，关闭所有;I = im2double（imread（"woman_darkhair.tif"））;图，imshow（I，[]）％，在下面的行，我们这个创造了性否定图像变换，我们让1->0％和0->1和0.50 - >0.5和...I2 =（Ⅰ-1）* - 1;图，imshow（I2，[]）;

DCT技术适用于图像压缩比，以获得更好的输出和重建图像，采用jpg标准。

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。

 采用灰度变换的方法增强图像的对比度, 程序能够运行出正确的结果，希望对各位有帮助。 

此程序是在VS2010+opencv2.44环境下运行的，实现对视频中人脸的动态检测，其原理是基于运用图像的haar特征结合adaboost算法思想生成的人脸分类器（这个也可以生成自己训练出来的.xml文件分类器），最后在opencv下对图像或视频进行检测

opencv的mfc平台，基于directshow采集摄像头编号，用于双摄像头的图像采集，可以用于标定时的图像同步采集

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。

基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展

资源描述基于opencv的图像处理程序，利用了visual studio C++的平台