图像畸变校正

本文介绍的是从图片中提取文字，图片非单一的的，而是较复杂的背景下。采用c语言编程调试最后达到预期效果的。源代码尽数在附件中。

加载原始图像，然后进行dwt变换，将水印图像嵌入到图像的子带中。将水印图像嵌入到原始图像的最低子带中，得到具有安全性的水印图像。通过PSNR、MSE和WNR计算性能。

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率， 可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样 法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行 近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式 的概率密度分布。

本算法是基于OpenCV的人脸检测程序，在VS2010编程环境下，运行通过。这是对图像进行人脸检测，也可以自己改进一下，在视频中提取人脸。

项目将彩色图像转换为 grayscae 在 c + + 中的图像 这是一个基本的图像处理中

不错的读图程序，通过Vc++开发软件，编写底层函数，来进行读取文件夹里的图片，为以后用VC++做图像处理打下基础

与PCA算法降维。我们有一些照片，希望应用PCA算法他们减少维度。这是一个关于模式识别问题。

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

一共有三个m文件，一个是lbp.m, 存放主要的lbp算法，一个是getmapping,用以做算法的辅助函数，一个是lbptest.m,存放着测试代码。这三个文件需要放到同一个文件夹，并在文件夹中添加相应的图片，具体的图片名字见lbptest.m的代码，运行lbptest.m可以查看结果。

图像显示......通过使用 aforge 库，它将图像转换为灰度，二进制文件 （黑色和白色），给饱和的图像、 图像上应用色相和也找到边缘检测在图像上......第一个 u 浏览您的图像然后那个形象获得所有这些技术从一个应用程序...