使用 matlab 编码的图像分析

能够很好的实现从点云数据实现三维曲面重建，实现效果非常好，传上来跟大学一起进步！

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

C#中绘图主要使用GDI+，其效率比传统的GDI低，但C#中已经的库中又不包含传统的GDI函数，本程序将windows api中的绘图部分重新引用封装，达到在C#中使用GDI的功能，提高了绘图的效率。

对图像进行对数、指数灰度变换。对数变换扩展了低灰度区，压缩了高灰度区，能使低灰度区的图像较清晰地显示出来。而指数变换一般用于对图像的高灰度区给予较大扩展。源码包中给出了源码和要处理的图片，1、4两张分别为过亮过暗的图，经过相应变换都能得到较好的效果。

图像处理VC++框架和代码，包括点运算，线性变换，频域变换，复原，形态学，分割，滤波等等功能

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

在保密环境中，部分非法用户会故意把电子资料或屏幕截屏存成图像格式以防止保密检查工具或反泄密、防泄漏系统检测到。因此，对图形图像文字识别技术提出了较高要求。 可以在图像文件上标记密级等级的字样，通过识别这些密级等级的字样。可以方便的对不同等级的图片进行分类管理。首先，需要提取这些图像中的文字信息，然后比对密级等级字典，对于不同等级的图像，用一种显著方式对这些图像进行区分。主要阅读为开发人员。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

这是一套简单的能动态、自动识别图片中信息的代码。它基于Labview的NI Vision（视觉与运动）模块，可以调用USB摄像头或笔记本摄像头获取原图，然后选中原图中的信息作为模板进行学习。学习完成后再用摄像头拍摄，Labview将自动框选中要匹配的信息。

使用Opencv库在VC++平台下开发的基于视频人脸检测和跟踪。人脸检测使用的方法是肤色分割和Gentle Adaboost算法。人脸跟踪采用的是Camshift算法和卡尔曼滤波算法。能得到好的处理结果。