bmp图片灰度化

基于direct9.0开发的程序，摄像头录像，可以截图。vc6.0开发，vc其它版本开发可以参考其中代码，希望对大家有所帮助！

将tif图片转换为bmp CONTENTS ======== 1. Target platforms 2. Description 3. Installation 4. Read this 5. Known bugs & problems 6. More informations 7. Contact

该方法是对图像的基本处理，能有效的帮助实验者最后的目标提取和阴影消除                                                                                                                                                                                                                                                                              

对PPM,PGM图像进行读取 ,有agument,有image debugger验证                                      

利用主动轮廓线算法和TV模型进行图像处理！ 对应于文献：Fast Global Minimization of the Active Contour/Snake Model

应用背景在图片中查找出已知目标，例如警方破案时将视频生成一系列图片后，在这些图片中中查找嫌疑人面孔，准确定位到哪一幅图片，不必使用人力一张一张的筛选，大大减轻了工作负担，提高工作效率，该算法识别率很高关键技术 使用surf检测子检测关键点 从特征向量中提取描述子 使用FLANN在描述子向量中匹配 将好的匹配保留下来，并画出来

我们建议是不特定的盲人没有参考 NR） 视频质量评价模型。该方法依赖于离散余弦变换域中的视频场景时空模型和特征类型的运动发生在幕后，视频质量预测模型。我们使用的模型来定义录像统计和感知功能，视频质量评估 （VQA） 算法，不需要在原始的视频，要预测一个感性的质量分数进行比较的基础。本文的贡献有三方面。1） 我们建议时空的自然场景 （NSS） 统计模型的视频。2） 我们建议量化运动相干视频场景中的运动模型。3） 我们表明拟议的 NSS 和运动一致性模型是适合的视频质量评估，我们利用它们来设计了一种盲目的 VQA 算法与人类判断质量的高度关联。提出的算法，称为视频 BLIINDS 测试住 VQA 数据库和洛桑 PoliMi 视频数据库和显示执行接近水平的顶尖表演减少和完整引用 VQA 算法。

资源描述这个代码能够实现简单的1,2,3....10的手势识别，但是代码的识别率不是特别高。源码是我在网上下载，但是我自己编译时报错，发现源码中有一处细微错误。我自己更改后成功运行，但是代码本身算法不够好，精确度不高。

主程序用matlab，有一个子函数在matlab中调用了c++，完成了图像的多尺度形态学分割

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.