数字图像接触颗粒的自动分割

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。

作为输出从图像分析软件程序 （例如 GenePix，从芯片的原始数据文件，读取标头信息。这些函数由 read.maimages 在内部使用，通常不直接由用户调用

资源描述本程序利用XC5VLX110T实现，其它设备也可参考。实现了图像缩放、显示和位置调整功能，包含VGA显示模块，IIC控制模块和图像处理模块，附有仿真结果！

在图像中，颗粒与颗粒之间会有接触，先检测出颗粒与颗粒的接触点，也就是契形点，将颗粒接触的两个契形点找到，用直线连接，并分割开，完成接触颗粒的自动分离

读取 JPG JPEG 格式的图像文件中的EXIF信息的VFP程序。

应用背景SPIHT是小波图像压缩中的一种重要算法，由W.Pearlman等人开发，是图像压缩标准的有力竞争者，由于压缩效果略差于EBCOT，因此未被选用关键技术 小波分析显著改变了图像的数据统计特性，十分便于集合划分编码操作，SPIHT利用这一数据分布规律，设计了合理的数据划分规则，实现了小波图像的有效压缩

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0捕捉到的audioBeam信息在Visual Studio+ openCV2.4.9中显示， 并能指定声音的来源。希望同仁们能够从中获得灵感，进一步开发，让Kinect和Visual Studio+ openCV2.4.9结合的更加融合，功能实现的更加强大

这次提供的是一个源码和头文件的压缩包实现的主要功能是对计算机上的图片进行树结构的查看并显示（显示还可以自定义特效以及选择图片查看的显示模式），再就是对图片进行编辑处理——有点运算（灰度运算、直方图等）、几何变换（平移、缩放、镜像/转置、旋转等）、图像增强（等平滑、锐化、细化、滤波等）。

把一段avi视频转换为多帧jpg文件，其中实例内包含avi文件，生成的jpg文件序列默认放置在源码文件夹下。

利用经典的Fuzzy C means在图像的彩色BGR空间上对图像进行分割 备注：VS平台，需要配置openCV 源图像： 得到的结果图像（指定颜色分割k=3）