图像缩放matlab实现，适合于初学者学习

资源描述robHess库中，实现sift算法的特征点提取，匹配两个过程。利用opencv2.4.9+c ，代码经过测试，可用，结果良好。

MATLAB图像处理实例详解教学（杨丹 赵海滨）  源代码  带有所有的试例图片

采用肤色分割和气泡排序的方法跟踪手的质心。使用卡尔曼滤波改进了结果；

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。

本代码可以对视频中的运动物体进行监测和跟踪 并用了高斯背景模型进行背景建模 效果很好 而且对检测到的物体进行了矩形框标记 

包括了频率突变检测简单程序，微分突变点程序，利用小波分析进行消除噪声污染，小波消噪和傅里叶变换消噪的简单的对比程序，在低频信号上观察斜坡信号的趋势简单程序，对某一低频信号进行抑制和增强的简单程序，图像平滑、增强、融合的简单程序。这个压缩包里包括了小波分析的基本上所有的简单程序。

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。

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

用matlab实现了 sift算法的运用。SIFT 算法首先在尺度空间进行特征检测,并确定关键点(Keypoints)的位置和关键点所处的尺度, 然后使用关键点邻域梯度的主方向作为该点的方向特征,以实现算子对尺度和

sift 算法代码，并附有详细注释。可实现两幅图像的特征点匹配。使用c语言编写，可以作为测试。压缩包中提供源码测试所需的图片及其他相关文档。