PCA 算法

图像增强技术是图像处理领域中的基本技术之一。图像增强的目的是信息的改进的可解释性或感知在图像中的人类的观众，或为其他自动化图像处理技术提供更好的投入。近年来，灰度图像增强技术发展迅速。这些算法有一定的灰度图像增强的效果。然而，我们通常处理在日常生活中的彩色图像。由于诸多因素，如有限的动态范围、 照明的影响和显示设备，获得的图像质量的下降，这意味着许多重要的信息很难被人告诉 的眼睛。同时，它是不适合直接使用灰度图像增强技术的彩色图像。因此，我们需要开发彩色图像增强技术，处理的问题。与灰度图像相比，彩色图像仍有颜色的信息，所以那彩色图像是灰度图像比更生动。现在，基于人眼视觉特性，许多彩色图像增强算法已被提出。Retinex 是一种有效技术的彩色图像增强，可以产生很好的增强的效果。但增强的图像具有颜色失真和计算比较复杂。一种鲁棒的彩色图像增强算法。该算法可以提高彩色图像不失真，但彩色图像的边缘不能处理得好。该算法使用高斯滤波估计的背景图像。高斯核函数是各向同性，这会导致不准确估计的背景图像，从而导致的光晕现象。提出的算法包括三个主要部分 （1） 获得亮度的图像和背景图像，（2） 自适应调整，(3) 彩色恢复。

基于 opencv。 根据输入的相应点，估计输出摄像机参数对摄像机标定

delphi,图像,压缩,传输,用Delphi实现屏幕抓取、图像压缩、图像传输的示例，供大家学习使用，如有不足之处，请大家原谅，毕竟是个新手，希望大家多多指教！谢谢啊！！！

1，这是技术结合SVD和DWT2，同步码技术，实现了非常低的概率误差率3，它提出了一个多层次的安全，可靠和高容量的图像水印算法。

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

本文采用camshift和kalman.的算法 ，可以实现单目标的跟踪。需要采用鼠标选取跟踪区域，希望对大家有一定的帮助

Poisson surface reconstruction creates watertight surfaces from oriented point sets. In this work we extend the technique to explicitly incorporate the points as interpolation constraints. The extension can be interpreted as a generalization of the underlying mathematical framework to a screened Poisson equation. In contrast to other image and geometry processing techniques, the screening term is defined over a sparse set of points rather than over the full domain. We show that these sparse constraints can nonetheless be integrated efficiently. Because the modified linear system reta

资源描述 网上看了很多的教程，但是按照教程来其实是不行的，而且那大多是互相抄的，明显看的出来。这是我自己看书，然后咨询了很多人，一步一步的试，最后配出来了。 使用的是QT5.5.1，opencv使用的3.0 大家主要要看我的pro文件里面的INCLUDEPATH 和 LIBS里面的写法

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择