二维离散余弦变换的图像压缩

matlab练习程序（旋转、径向模糊） 还记得过去写过径向模糊，不过当时效果似乎不好。这次效果还可以，程序中用的算法是：1.求当前处理点和图像中心点之间的距离r与角度ang;2.通过对r的修改得到径向模糊。3.通过对ang的修改得到旋转模糊。一看代码就能全部明白，不仔细解释了。

C#中绘图主要使用GDI+，其效率比传统的GDI低，但C#中已经的库中又不包含传统的GDI函数，本程序将windows api中的绘图部分重新引用封装，达到在C#中使用GDI的功能，提高了绘图的效率。

opencv，初学者

部分内容源于网络，经过自己的修改，可以在matlab上实现对图像的完美拼接，利用相位相关算法。是不可多得的高速拼接源码，对于刚学习图像处理的朋友来说值得参考，测试图片的选取要适当，要大小相同（同像素），敬请指正批评。

基于Bayesian框架的背景建模算法和相关论文，这中算法的性能要优于混合高斯建模和其它背景建模算法。可用于复杂背景下目标检测和跟踪。

RGB转HSI中S分量的代码，在视频增强器中需要用到的算法转换，根据这种算法可以将其移植至FPGA中，在FPGA中实现。

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

人脸识别的源代码，亲测可用。采用PCA方法简化特征，然后调用opencv库进行实现。

步骤1. 输入图像2. 转换为灰阶图像3. 边缘检测4. 扩大灰度5. 边界计算6. 预计算高斯距离权重7. 应用双边滤波器8. 提取本地区域9. 计算高斯密度权重10. 计算双边滤波器响应

matlab练习程序（透视投影，把lena贴到billboard上）本练习程序是受到了这个老外博文的启发，感觉挺有意思，就尝试了一下。他用的是opencv，我这里用的是matlab。