获取图像任意点的灰度值

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。

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，

利用三角形神经元，实现仿生模式识别算法中的样本空间覆盖，并以此实现测试样本的分类，程序在获取外界图像后可实现样本分类。

资源描述基于opencv的图像处理程序，利用了visual studio C++的平台

EMGU CV是OPEN CV的封装，C#能通过这些封装使用OPEN CV的函数、结构体完成对图像的处理，这段代码只是初步完成vs 2010里面对emgu cv的调用。开发环境vs2010.

资源描述 同态滤波增强是把频率过虑和灰度变换结合起来的一种处理方法。它是把图像的照明反射模型作为频域处理的基础，利用压缩灰度范围和增强对比度来改善图像的一种处理技术。它在密度域中运用相当成功。 一幅图像f(x,y)可以看成由两个分量组合而成，即 f(x,y)=i(x,y).r(x,y) i(x,y)为照明分量（入射分量），是入射到景物上的光强度； r(x,y)为反射分量，是受到景物反射的光强度。 具体步骤如下： （1）先对上式的两边同时取对数，即 Inf(x,y)=Ini(x,y)+Inr(x,y) (2)将上式两边取傅立叶变换，得 F(u,v)=I(u,v)+R(u,v) (3)用一个频域函数H(u,v)处理F(u,v)，可得到 H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v) （4）逆傅立叶变换到空间域得 Hff(x,y)=hi(x,y)+hr(x,y) 可见增强后得图像是由对应照度分量与反射分量得两部分叠加而成。 （5）再将上式两边取指数，得 g(x,y)=exp|hff(x,y)|=exp|hi(x,y)|+exp|hr(x,y)| 这里，称作同态滤波函数，它可以分别作用于照度分量和反射分量上。                                          &nbs

在彩色空间中，皮肤颜色的分布较为集中，与其他景物颜色间有较好的可区分性，可以用模型描述或对样本进行学习的方法加以判别。图像中皮肤颜色的差异主要由光照引起，在检测中只考虑色度信息，就可以减少光照的影响，使肤色的分布更趋集中。通过检测皮肤区域，可以缩小人脸的搜索范围，提高检测速度。HSV空间是RGB空间的非线性变换，它将原本相关性很强的R、G、B值转换为相关性较弱的H、S、V值，H和S分量与人感受色彩的方式相一致。HSV颜色空间可以用一个圆锥空间模型来描述。

轨迹球控制 By Terence J. Grant 如果只用鼠标来控制你的模型是不是很酷?轨迹球可以帮你做到这一点，我将告诉你我的实现，你可以把它应用在你的工程里。 我的实现是基于Bretton Wade’s，它是基于Ken Shoemake’s 实现的，最初的版本，你可以从游戏编程指南这本图上找到。但我还是修正了一些错误，并优化了它。 轨迹球实现的内容就是把二维的鼠标点映射到三维的轨迹球，并基于它完成旋转变化。 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

资源描述这只是一个简单的人脸识别代码，有需要的可以下载去看看。    

注册表模式，允许常见的超级类要由它们的字符串类名称的派生的类的实现。所有子类必须都分享共同的构造函数，以便由注册表模式的这个实现。请参阅 registry.h 和 examples/example.cpp 的详细的用法信息。