JpgVSBmp，图片格式转换，jpg和BMP互转

在图像处理中，边缘检测是一个必要的步骤，如检测车辆直线和冬暖的边缘。 DOG和 （LOG） 拉普拉斯是高斯的边缘检测的好方法...... 这里是拉普拉斯高斯的代码，和它在 vs2010 编译

可缩放图像

 本程序利用他人在网络中分享的算法进行学习，并在学习过程中进行的部分改编。程序结构简单，适用于初学者了解算法的内涵。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

用于三维重建算法的源代码，里面是我对标定算法，特征提取算法，匹配算法和三维重建算法的一系列的改进，特别是对图像匹配算法利用划分区域的方法进行改进，取得了很好的匹配效果。在保证正确率的条件下，使得匹配速度得到了很大的提高。希望对广大的码农们有点有用处。

这是一个比较好的用于图像分割的matlab应用实例，对于初学者来说是很有参考价值的，可以直接应用，这是一个比较好的用于图像分割的matlab应用实例，对于初学者来说是很有参考价值的，可以直接应用，这是一个比较好的用于图像分割的matlab应用实例，对于初学者来说是很有参考价值的，可以直接应用。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

3 的输入的参数。第一是名称您想要使用的图像文件 （放在引号）。第二个是伽玛校正因子，用于改变方法的产品出来。摆弄数字 1 到 5 之间直到它看起来不错。（一般低的数字使其暗）。第三个输入是您想要输出到一个文本文件的名称。示例函数调用：asciipic2("imagename.jpg",2.5,"outputname.txt")

应用背景用python语言写的，基于OpenCV的小程序，可以开启摄像头，并按下Esc键截图，同时有C++版本的，希望对你有用，也希望一起交流！关键技术OpenCV的简单应用，利用index值开启相机，并判断在Esc键按下截图并退出，支持python和C++两种语言，方便灵活运用，同时代码附有详细注释，可以让你更好理解每一句代码的含义，帮助你读懂程序，谢谢！

里面有三个程序：第一个读取视频序列，程序里有提取视频序列的简单易懂的例子，提取视频帧并可以对视频帧进行你想要的处理，程序中也有对视频序列进行用canny算子的边缘提取处理，并且与原视频对比输出，你也可以更改里面的处理程序来满足自己的需要。第二个是对特征点的跟踪，在视频中提取运动物体的特征点，并对特征点进行跟踪。第三的是提取前景物体。这些程序分开编写可以让大家更得理解，也可以更好的运用的自己的大型项目中。