索贝尔检测

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

简单的jpeg编码实现，包括DCT，量化，zigzag，行程编码等函数，对于初学者应该很有帮助

本文是对canny算子的滤波环节进行改进过得，用的是各向异性高斯核的方向倒数进行滤波平滑。并且已经用做成MFC界面 Canny算法程序中分成以下7步：l 生成高斯滤波系数；l 用生成的高斯滤波系数对原图像进行平滑；l 求滤波后图像的梯度；l 进行非最大抑制；l 统计图像的直方图，对阈值进行判定；l 利用函数寻找边界起点；l 根据第6步执行的结果，从一个像素点开始搜索，搜索以该像素点为边界起点的一条边界的一条边界的所有边界点

DX 11写的风景，包括反射和折射的效果，适合初学者使用学习。 很清晰的列出了shader的初始化使用和render，还有模型的载入，镜头的控制等等，全部是单独的类写出，初学者能很容易看懂

BMP图片文件在CCS 中转换为DAT文件，内容详细，可靠。BMP图片文件作为被处理图像文件，转换为DAT文件，在某些情况更有利于程序编程，运行。这程序的作用是在CCS中将BMP图像文件转换为DAT文件。

openmv下HAARD cascade二进制文件制作脚本。可以用来将训练的结果.xml文件转换为二进制文件。需要注意的是脚本需要在python2.7环境下使用，如果在python3下，可能因为numpy的版本过高而产生异常。压缩包中有一个cars.xml，以及转换为二进制后的文件cars.cascade.

基于opencv，使用直方图均衡化的方法进行数字图像处理，满足冈萨雷斯的数字图像处理课本的例题要求，适合初学者理解参考

一种基于SURF的图像拼接算法，用MATLAB设计GUI界面，导入图像，并可以改变图像的像素，以满足不同图像处理的要求。同时提供3种不同的图像处理结果。很好的满足了图像处理的不同要求。

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

该代码是用于医学图像处理的，里面包括对细胞的进行滤波，边缘检测，基于边缘检测的分割以及ostu分割方法，很实用，对于初学者有很好的帮助作用