图像融合_平均法_IHS_PCA

简单的Android开发实例，作为初学者可以仔细研究下。相信你可以从中初步了解到Android开发的一些注意事项，及基本的Android开发的基本情况，希望对初学者有一定的帮助。有兴趣可以下载mars老师的视频教程进行学习。

BERNSEN localthresholding %。%Bw = BERNSEN(IMAGE) 执行的一个二维 localthresholding%阵列图像的 Bernsen"sthresholding。该方法使用%用户提供对比阈值。如果是局部对比度 （最大-最小）%高于或者等于 contrastthreshold，阈值设置为%本地 midgrey 值 （平均最低限度和最大灰度值在%本地窗口）。如果 localcontrast 是下面的对比%阈值附近被认为仅由一个类组成%和像素设置为根据的值对象 orbackground%midgrey。%%Bw = BERNSEN （图像、 [M N]，CONTRAST_THRESHOLD、 填充） 执行本地奇数 %阈值值 M 由 Nneighbourhood （默认值为 3，3）。默认值 forCONTRAST_THRESHOLD %都是 15。处理边界使用 PADARRAY 选项 （默认值是之一填充图像 %像素为单位）%"replicate"）。%

MATLAB图像处理实例详解教学（杨丹 赵海滨）  源代码  带有所有的试例图片

用C++实现图像的平滑处理，MFC工程，可以直接使用，内附实例图片，可以直接看到效果，可以学习一下

X = dicomread(filename) 读取从兼容的数字成像和通信医学 (DICOM) 文件的文件名中的图像数据。对于单个帧灰度图像，X 是一个 N M 的数组。对于单框真彩色图像，X 是 M 的 N 由 3 数组。多帧图像始终是 4 D 阵列。

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

已经进过精心调试，使用方便快捷，可以直接运行使用。本代码基于Fourie-Mellin变换原理的图像配准仿真代码，可以直接得出配准图像的旋转平移缩放的数值。

我们的代码实现了基于隐马尔可夫模型和支持向量机的自动人脸识别；

实现图片的水平镜像和垂直镜像

粒子滤波算法，非常管用的运动估计和运动预测，mat源代码