canny边缘检测

这是为 2 图像的拼接 自动拼图-自动缝 2 针图像在一起 画布是产生在画布的 2 张图片 行和 col 是起源的 2 张图片之间的偏移量

这是一个基于高斯背景建模的前景检测算法，效果还可以，不过摆脱不了高斯建模本身的缺点，那就是需要学习，需要有几帧视频来学习建模，得到背景。

基于暗通道的图像去雾处理matlab 源码。有原作者的源码，和两种改进的方法。并提供测试图片。                                                        

本代码涉及到对图像读取，高斯滤波，中值滤波，最大值滤波，最小值滤波，边缘检测，图像反转，等等，对于初学图像出里的人有较好的帮助，尤其是不会弄的更有较好的参考价值

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。     假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：   （1）从输入图像的左上角(0,0)开始，切割一块(0,0)

采用C语言实现了一种背景建模的方法，vibe算法，该算法性能良好且运算速度较快，该算法基于文章Vibe：a universal background subtraction algorithm for video sequences实现，具有较高的实用价值。

这个球面化算法最初是在ps上的球面化滤镜中看到的，感觉挺有意思，就研究了一下。算法的详细推导可以在这篇博客中找到，我比较懒，只在纸上推了一遍，就不在博客上编辑了。不过这里还是要把逆变换公式写一下。 

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

必须需要用到的of自带的addons包括：ofxThreadedImageLoaderofxXmlSettingofxGui额外的addon是ofxUI可以自行到www.github.com下载在创建工程是需要添加这些addons。若创建是没有添加，也可手动将其所有源码文件添加到自己的工程中去。在ksApp中增加了大量注释，并修正了一些错误增加了类ks::ZhangSan1111: 用于示例如何写出简单的作业增加了类ks::TirSrcDemo: 用于示例如何构造出具有三个数据源接口的万花筒

资源描述本代码为LBP特征提取代码，在Main中，包括uniformLBP提取和灰度不变的特征提取两种实现，文件中包含测试图片，效果很好，打开main中的注释就能运行。