Unsharp Masing in .net

基于改进型中值滤波程序设计算法，是经过自己调试可行的matlab源码，用于对图像的滤波处理，简单易懂

对图像进行维纳滤波处理，实验结果表明该方法具有很好的实验结果，很适合刚接触图像处理的初学者。

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。

Mpeg-4 视频编码程序， 使用 C 编写。 如果想了解 Mpeg-4，请查看此代码

图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。

代码实现了对数字图像的离散傅里叶变换，快速傅里叶变换，离散余弦变换（DFT,DCT,FFT）

此代码是为了改变图像灰度。这个程序使用Microsoft Visual Studio，代码块等（Visual C++为基础）。图像处理的现代技术。所以喜欢它。

Flash.ActionScript.3.0动画教程书籍的配套源码，可以更好的理解该书的讲解内容

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject 有时候，我们发现照片不明亮，这个是可以修复的。在图像处理领域，这叫做直方图均衡化，通过扩展图像的直方图让照片变明亮。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The histogram array of the red channel. double aryHistogramR[256] = {0}; // The transform of histogram array of the red channel. double aryTransformR[256] = {0}; // The sum of pixel"s gray of the red channel. double dobSumR = 0.0f; // The histogram array of the red channel. double aryHistogramG[256] = {0}; // The transform of histogram array of the red channel. double aryTransformG[256] = {0}; // The sum of pixel"s gray of the red channel. double dobSumG = 0.0f; // The histogram array of the red channel. double a