图像去噪（含源码与测试源）

局部二进制模式（LBP）是一种用于在计算机视觉分类功能。 LBP是中提出的纹理光谱模型的具体情况1990年 [1] [2] LBP在首次描述1994。[3] [4]它已经被认为是一个强大的功能用于纹理分类;它已经进一步确定，当LBP 是结合梯度方向直方图（HOG）的描述符，它大大提高了对某些数据集的检测性能。  LBP的特征矢量，在其最简单的形式中，以如下方式创建：  划分检测窗口进入细胞（例如16×16像素的每个单元格）。  在一个小区中的每个像素，比较像素到它的每一个8邻居（在其左顶，左中间，左底部，右顶部，等等）。 跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这给 出了一个8位二进制数（通常转换为十进制为方便起见）。 计算直方图中

打开图片，支持bmp格式，需要黑色背景的图片，大小小于384*288比较好，设置好要检测的圆的个数，圆的半径等参数，点击按钮，可以得到圆心与圆的轮廓图片。

应用背景 适用于数码相机等手持设备拍摄到的字符图片实现图片左下角时间识别、图片中存在的较大字符区识别。 字符区字符数建议8个以上，如果要识别的字符数有变化，可对程序中一个对字数数进行筛选的参数进行修改即可。 关键技术关键点：如何在整个图片中搜寻到字符区的方法以及搜索到以后如何进行筛选出真正的目标区。

提出了一种变分光流算法，数据项引入梯度守恒约束来提升算法在光照变化情况下的鲁棒性，平滑项采用光流驱动的各项同性扩散项，保存了运动边缘，并通过openmp多核并使处理，提高了算法的实时性。

对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。 程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文

A simple demo scene showing how to use the AVProMovieCaptureFromTexture component.

k均值聚类，可以应用到图像的分割或者是图像的聚类。K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

基于肤色模型的手势分割检测，人手检测根据肤色模型检测人的手所在位置,并根据模板判断手势。-Detection of manpower under the color model to detect the location of the hand. And in accordance with the template to determine gesture.

资源描述 Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线，还和其周围的颜色和亮度有关。Retinex这个词是由视网膜(Retina)和大脑皮层(Cortex)两个词组合构成的.Land之所以设计这个词，是为了表明他不清楚视觉系统的特性究竟取决于此两个生理结构中的哪一个，抑或是与两者都有关系。

上世纪七十年代，隐马尔科夫模型就被用于语音识别的问题中，到八十年代，贝尔实验室的Rabiner等人成功地将隐马尔科夫模型应用于孤立词识别中，之后隐马尔科模型被应用于各个领域，到今，隐马尔科夫模型已被用于旋转机械的故障诊断中，的启停机过程的故障诊断。