二维离散余弦变换的图像压缩

特征匹配，功能分离，特征提取，用于运动检测和人脸识别，它有助于使 stegeno graphhy

2010年PMAI的杰出论文的开源代码，Superpixel,用于图像分割效果非常好。是目前图像分割主流方法之一！

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0彩色帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0彩色图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，color数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

基于 opencv。 根据输入的相应点，估计输出摄像机参数对摄像机标定

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。

它使用双阈值、 大阈值和小阈值，然后使用苏珊到取消错了角落。

使用idl语言进行遥感图像的中值和平均值滤波，首先先读取图像，之后按照3*3对图像进行中值滤波和平均值滤波。同时将图像生成gif动画

matlab练习程序（Hilbert图像置乱） 正好刚写了Hibert生成曲线，不如再加一篇应用的程序。关于Hilbert图像置乱，我在网上搜的应用领域主要集中在数字水印和图像加密上，而这两个领域我都没怎么接触过。大部分的图像置乱都是如下图的置乱1所示，至于置乱2则是我不小心生成的。置乱1是先把原图按hilbert曲线进行赋值，拉成一条一维数组，再reshape成一副图像。

这个项目主要涉及人脸识别技术。面部由adruino电机上的摄像头检测，该电机在与代码接口时检测面部。代码是用C++编写的，使用OpenCV库。

资源描述这是必要的混合的片段的图片（混合随机顺序），然后将其放置在他们的地方。要做到这一点，按鼠标左键并按住它，拖动它的位置的片段。当你发布的“源”和“目标”的片段进行交换。经过适当的比对的片段将是奖图片。