VC++图像选点坐标

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术

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

离散余弦变换 （DCT） 表示序列的有限多数据点之和的余弦函数以不同的频率振荡。DCTs 是重要对大量的应用程序，在科学和工程，从有损压缩的音频和图像 （在那里可以丢弃小高的频率成分），对偏微分方程的数值解谱方法。余弦函数，而不是正弦函数的用途是这些应用程序的关键： 压缩，它原来余弦函数是更加有效率 （如下文所述，少，以近似一个典型信号），而求解微分方程的余弦表示选取一个特定的边界条件。尤其是，DCT 是类似于离散傅里叶变换 （DFT），但只使用实数有关傅里叶变换。DCTs，等同于傅里叶变换的两倍左右的长度，经营上真实的数据甚至对称 （因为真实，甚至函数的傅里叶变换是真实，甚至），在那里有些变形的输入和输出数据转移半样本。有八个标准的 DCT 变种，其中四个常见。

艾瑞拉艾瑞拉艾瑞拉艾瑞拉艾瑞拉艾瑞拉艾瑞拉艾瑞拉艾瑞拉

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。

matlab的十几种图像滤波算法，费好大力气才找到的，希望能给于借鉴

该资源是关于graph cut的一些基本算法代码，简单好用。

这是一个比较完整的手势识别程序，包含手的分割，手势建模，手势识别。准确率较高  ，其中匹配的阶段，使用了神经网络训练数据集来识别

在linux平台下，使用openni来进行的体感应用开发实战，利用kinect或ASUS xtion pro 传感器来获取彩色图像和深度图像，对获取的深度图像数据进行处理计算来得出物体离kinect或ASUS xtion pro摄像头中心的距离，以及对深度图及RGB图像的采集及显示……

这个工具箱包括以下融合方法: 线性方法 线性叠加 pca加权叠加 非线性方法 选择最小值 选择最大值 多分辨率方法 拉普拉斯金字塔 fsd金字塔 比率金字塔 对比度金字塔 梯度金字塔 使用DBSS dwt(2,2)小波 sidwt使用哈尔小波 形态金字塔 这个函数是伴随着一个图形用户界面,允许图像i / o和交互式选择所有相关参数