基于OpenCV摄像机标定

这是拳击过滤器、 中值滤波和由 java 编码的 lapicican 筛选器的源代码。 希望你会喜欢它。

MATLAB图像处理实例详解原书的配套源代码。可帮助快速学习了解matlab。十五章的内容共有两百多份文件，基本上包含了matlab从入门到实用的所有内容，是新手学习matlab的好帮手。

本代码实现的是图像处理中的gamma校正，在图像处理中通常会发现图像太暗后者图像太亮，这是就要通过gamma校正得到合适的亮度，这样就有利于后续的图像处理。

#include "stdafx.h" #include #include #include using namespace std; using namespace cv; #define neighbors 8 //void elbp(Mat& src, Mat& dst, int radius, int neighbors) //{ // 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

斯坦福大学教授写的opencv源码 光流法，这个光流法的程序是能够直接运行的，内部甚至配置好了相关的工程条件和视频

MATLAB中编程，偏最小二乘回归的通用程序，输入两个矩阵，输出预测值及相关误差。

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.

资源描述基于LSB的数字水印嵌入算法，具有比较高的嵌入速率和效率

这是从primal sketch integrating texture and structure的作者之一，吴英年教授的网站上下载下来了，经过本人亲自运行，代码是完善的而且可以使用的，十分有价值的一个代码

#include "stdafx.h"#include #include "windows.h"#include "fstream"#include using namespace std;using namespace cv;//为了方便，这一部分是利用提取HOG特征，SVM对图片进行分类。int _tmain(int argc, _TCHAR* argv[]){     vector img_path;////输入文件名变量       vector    img_cat;//category类型     int nLine=0; //定义行     string buf;     ifstream svm_data("C:UsersdellDesktopCharRegCharReghb1.txt");     //训练样本图片的路径都写在这个txt文件中使用bat批处理文件可以得到这个txt文件.      unsigned long n;      while (svm_data)  //将训练样本文件依次读取进来         {          if (getline(svm_data,buf))