多模态处理能力的粒子滤波算法

基于meanshift算法的图像分割，非opencv库函数，一网友自己实现的算法！

稀疏度自适应(SAMP)信号重构算法在源信号稀疏度未知的情况下能够较为精确的恢复源信号，并且该算法的复杂度不高，能够很好的适应于压缩感知中对一维和二维信号的恢复，是贪婪类算法中比较新的一种算法。 本代码将原图像lena在离散余弦稀疏基下稀疏表示，测量矩阵选取高斯随机矩阵，用SAMP算法对原图像进行重构。  

在此基本瓮模型中概率理论骨灰瓮包含x白和 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

 二维离散余弦变换的图像压缩, 程序能够运行出正确的结果，希望对各位有帮助。 

mfc编程，带滚动条的图片显示，图像灰度化，加权灰度均衡化，高斯滤波处理，大律法自适应二值化算法

HSV图像更接近人的视觉，且算法较简单。好多情况下需要把图像从RGB颜色空间转换到HSV颜色空间。本程序实现RGB颜色空间图像转换到HSV颜色空间，并分离成H，S，V三个单通道，显示原图像与HSV三个通道图像。

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

NAO机器人，利用视觉，opencv，实现服务机器人的水位识别功能。图像处理，包括灰度变换，二值化，滤波，光流法，计算像素点高度，确定水位比例等。

程序通过研究张正友平面模板标定法，通过opencv编程，实现了双目立体相机内外参数的标定，通过与matlab标定对比，实验结果几乎一致。使用者只需从不同角度拍摄平面模板，获得足够多的图片，将文件内的图片替换掉，即可得到自己相机的参数

ffmpeg+sdl写的播放器,基于win32编写的对于想了解libav库的，想了解sdl库开发的有一定的帮助