canny边缘检测，高斯

对BMP文件进行读写，然后将RGB转为YUV并保存，同时输出BMP的长，宽，大小，将BMP文件中的RGB三者的分量进行保存到txt文件中，YUV三者分量也保存到txt中，转换过程采用隔行扫描转换，YUV格式为422

非负矩阵分解是今年来提出的一种新的方法，其在图像处理，机器学习，模式识别，高光谱图像解混等领域都有很广泛的用处。这里是将它用在人脸识别上！

werwerwerwerwewserfwerfsdfwrfwerfwerwerwqwreddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddddd

本资源是robhess的SIFT检测特征源码，里面包括使用robhess封装好的各个类库以及示例源码，对于初学者和有一定经验者都很有帮助，我就是从这个源码开始学习的

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

在雾覆等天气条件下, 大气粒子的散射作用导致成像传感器采集的图像严重降质"图像去雾技术的任务 是去除天气因素对图像质量的影响,从而增强图像的视见度"本文归纳和总结了图像去雾技术的国内外研究现 状"将现有的方法分为基于物理模型和非物理模型两类, 分别详细阐述了这两类方法, 分析它们各自的优势和不 足,并总结了算法性能评价的无参考客观质量评测准则"最后, 指出该技术的研究难点和发展趋势"

图像拼接，从不同文件夹中按顺序选择小的图片拼成一个完整的图片，文件夹为16个，图片为16个小的图片组成

用MRF建模实现图像分割的源代码，有30几个函数，可以作为例子程序，对初学者很有用，能得到直观的印象。

clear,clc,close all; % compute the background image Imzero = zeros(240,360,3); video=aviread("SampleVideo.avi"); Im = double(cat(4,video(1:2:end).cdata))/255;     clear video % Convert to RGB to GRAY SCALE image. nFrames = size(Im,4); Imzero  = Im(:,:,:,1); for i = 2:5 Imzero = Im(:,:,:,i)+Imzero; end Imback = Imzero

带有图像处理的java客户机服务器项目，用java编写。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。用java编写的带有图像处理的java客户机服务器项目。来自新加坡的jasonstack。带有图像处理的java客户机服务器项目