模板匹配数字识别

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

Svg2Xaml是一个独立的库，而无需使用第三方库像SvgReader, 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

基于opencv的图像检索系统，输入待检索图像后，选择检索库路径并选择检索方式：基于颜色特征、基于形状特征或者基于颜色和形状综合特征点击【开始检索】按钮即可得到检索结果。

将空间域图像变换到频率域后，经过傅里叶变换的图像对其去能量谱，计算频谱的频率和能量进行曲线的绘制，就可以得到我们想要的功率谱曲线的，代码不需要改动可以直接使用

边缘检测是图像处理中的最重要的主题之一。为此提出了许多方法但他们大多有表现疲弱中噪声的图像，因为噪声像素决意作为边缘。在这个项目中，两种新方法表示基础上分层自适应神经模糊系统 （HANFIS）。每个方法包含 HANFIS 营办商，收到的一些邻近的像素的值，并决定所需数目中心像素的边缘与否。列车简单图像用于设置每个 HANFIS 运算符的内部参数。实验结果表明这些方法是对脉冲噪声鲁棒性，准确提取边缘像素。

使用opencv进行肤色分割，可以划分出完整手型，并可测量出手掌重心，还可以进行腐蚀和膨胀去噪点。学习opencv不可多得的例子

这是一个人脸识别演示/算法测试程序，基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.0，其中ASM人脸对齐部分还用到了OpenCV 1.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。  整个工程可以分为3个部分：算法、功能和应用。 算法部分：算法部分目前分为4个模块：人脸对齐、光照归一化、特征提取和选择、子空间降维，每个模块是一个项目，每个项目生成一个dll供功能部分调用。 功能部分：功能部分只有一个项目FaceMngr，该部分依赖于算法部分，实现人脸注册、训练、识别、导入/导出等具体功能。该项目生成一个dll供应用部分调用。 应用部分：应用部分依赖于功能部分，实现了与人脸识别有关的应用，目前有两个项目：人脸识别演示程序frtest，和利

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

基于vtk的DICOM二维切片序列显示，用鼠标滚轮控制不同层切片的显示。-Based vtk of DICOM 2D slice sequence with the mouse wheel to control the display of the different layers of sliced