数字图像质量的传统评价算法

openCV 离散傅里叶变换，对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。 这一转换的理论基础来自于以下事实：任一函数都可以表示成无数个正弦和余弦函数的和的形式。傅立叶变换就是一个用来将函数分解的工具。

利用opencv库函数建立 高斯背景模型，同时利用EM在线算法更新背景。然后利用背景与前景匹配，提取运动前景，通过一定的算法，可以消除阴影，但是效果不是很理想。

根据一篇基于Radon变换的模糊图像参数估计的论文，编写的程序。通过对图像进行傅里叶变换求取功率频谱图，再对所求的功率频谱图进行Radon变换，最终实现对运动模糊中模糊角度的求取。

图像分割。用于测量分割图像的性能。这里给出了MD、PSNR等指标。

应用背景RGB图像颜色空间，转换灰度图。环境为opencv2.4，VS2010。。。。。。。两种实现方法。代码简介关键技术颜色空间的，RGB，图像的读入。灰度图的转换啊。。。。。。。。。。。。

整个文件可以直接通过编译并能正常使用，用来测试opencv的各个模块的例子！

VTK ,三维重建, 程序.

基于opencv的人脸表情识别，采用的是svm分类方法。SVM的思想可以概括为两点它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；

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

利用C语言对图像进行加噪处理 （椒盐噪声），以及对图像进行边缘提取，检测。