快速背景高斯混合模型

在matlab中，设置当前的目录为工作目录，在命令行中输入fpextractdemo，即可运行程序。系统设计好了，图片可以换。

基于sift的图像复制粘贴篡改检测算法，该算法首先提取出sift特征，用的是网上提供的提取sift的混合编程方法，然后将sift特征进行匹配并聚类，再用RANSAC算法剔除误匹配对，最后用线段将原始块和复制粘贴块中的匹配点连接起来。此算法能抵抗各种后处理操作，如旋转、尺度缩放、添加噪声等以及它们的几种组合。

一种快速的基于图像分块字典学习算法对图像处理包含不同的图像处理逆问题求解 包含图像去噪， 图像去模型，图像填充等方面的应用

资源描述This software is intended for research purposes only.  All rights reserved.  Copyright rests with the authors. When using this software, please ackowledge the effort that went into development by referencing the following paper: A Hough Transform-Based Voting Framework for Action Recognition. A. Yao, J. Gall & L. Van Gool (CVPR 2010). Questions or comments concerning the code can be addressed to Angela Yao (yaoa@vision.ee.ethz.ch). The bulk of the code was developed from work detailed in the paper  Class-Specific Hough Forests for Object Detection. J. Gall and  V. Lempitsky (CVPR 2009) with code available here: http://www.vision.ee.ethz.ch/~gallju/projects/houghforest/houghforest.html =============================================================================== USAGE & NO

这个项目的目标是在实时，与较高的检测率和几个误报检测人类。人类探测器达到 20 帧/秒速度和先进的检测精度，而不是诉诸特别像 GPU 硬件使用只有一个处理线程。轮廓线是人体检测，最重要的信息来源和相邻像素之间的比较情况迹象的关键编码轮廓。

实时图像处理与计算机视觉进行优化应用程序 OpenCV 的主要接口是在 c + + 另外还有 C、 Python 和 JAVA 接口 OpenCV 应用程序在 Windows、 Linux、 Mac、 Android iOS 上运行 针对英特尔处理器优化 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

这个程序用来计算图像的离散余弦变换。用于执行离散余弦变换的方法是常规行-列。离散余弦变换是图像处理 trnasform 有权从空间域向频率域图像中非常重要的。程序注释将帮助您了解该过程。

在对VTK配置正确之后，读取单张tif图像。VTK本身仅仅支持单张TIF图像，或者是一个数据包，而不支持tif图像序列。若是tif的图像序列，则仅仅读取其第一张tif图像。同时在网络上参考一下资料。 http://vtk.1045678.n5.nabble.com/3D-Tiff-to-vtkImageData-class-td5607259.html http://bioimagexd.svn.sourceforge.net/viewvc/bioimagexd/bioimagexd/trunk/vtkBXD/Processing/ http://www.vtk.org/pipermail/vtkusers/2008-June/095731.html http://public.kitware.com/cgi-bin/viewcvs.cgi/*checkout*/Examples/ImageProcessing/Cxx/ImageSlicing.cxx?root=VTK&content-type=text/plain

sobel 算法通过verilog hdl 语言描述， 处理在图像问题中的边缘化问题，该算法在fpga平台上已经成功实现！！

它将读取像素的像素和计算有差异，将存储在另一个矩阵。从这些我们可以分析图像帧中的每个像素的强度