Blob 算法

非常好的DS证据理论算法代码，应用DS证据理论的融合算法进行图像分割，代码可用，无报错。有实例图像。

利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理, 程序能够运行出正确的结果，希望对各位有帮助。

做图软件的设计，有各种图源的设计包括园/直线/点等各种做图元素的基本构型都有详细的做图代码 主要涉及简单的界面大合集，界面优化，人际交互设计。基本涵盖了基本做图软件的各种基本图形元素的构建，希望给读者一些帮助。

数字图像处理第二版（何东健）第四章代码，用于建立图像处理的一个基本框架，是对图像处理的基础理论，但主要用于对8为灰度图像的处理，分析。

自己写的Matlab程序，实现了Canny算子对于图片的边缘检测功能。步骤分为：1，为源图像进行高斯低通平滑滤波。2，计算梯度幅值图像和角度图像。3，为图像进行非最大值抑制。4，用双阈值处理和连接分析来检测。

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。

Iam 这里附加源的检测到的个人从摄像头捕获的脸。进一步此项目将捕获的图像从网络摄像头和处理图像并在数据库中存储过程的脸。

算法步骤： Step1：对原图像进行2级小波分解； Step2：对识别图像构建统计特征向量； Step3：由式（5-3）求两幅图像特征向量夹角的余弦值； 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

生物指标是归档的生物数据的统计分析。脸是最好的生物数据最能说明一个人之一。人脸识别系统发现应用在许多领域的脸广泛公认是总是向社会开放。脸识别中人机交互、 安防系统、 社会网络等发现应用程序。