用c++写的图像几何变换源代码，可以运行

具箱包括34种数据降维技术，包括- Principal Component Analysis ("PCA") ---主成分分析- Linear Discriminant Analysis ("LDA") ---线性判别分析- Multidimensional scaling ("MDS") ---多维尺度分析这些可以通过compute_mapping函数或GUI调用：

对于初学者来说很有用，十分简单易懂，每个步骤流程交代的很清楚！介绍了理想的高通滤波器，高斯高通滤波器，二阶巴特沃斯高通滤波器，二阶巴特沃斯高通加强滤波器，然后对低通滤波模糊后的图像分别进行以上四种滤波，得到原始图像，低通滤波模糊后的图像，理想高通滤波后的图像，高斯高通滤波后的图像，巴特沃斯高通滤波后的图像，巴特沃斯高通加强滤波后的图像。

采用VS2010编写，添加了OPENCV来处理图片。通过VS2010中选择VC++编写相应程序，利用MFC编辑窗口，可以直接控制打开图片。来实现打开图片的功能。原程序从网上下载，经过修改，可以运行。

VC6绘制3D饼状图 - 完美版，用于学习VC++下GDI绘图，是从项目中摘出来的，有较在的实用价值。喜欢的可以收藏一下

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。

openmv下HAARD cascade二进制文件制作脚本。可以用来将训练的结果.xml文件转换为二进制文件。需要注意的是脚本需要在python2.7环境下使用，如果在python3下，可能因为numpy的版本过高而产生异常。压缩包中有一个cars.xml，以及转换为二进制后的文件cars.cascade.

harris角点检测源代码，简洁高效，通俗易懂，可以有效检测出图像的角点，并提供了一个画圆的程序，用于在图像上圈出角点。 使用格式为[cnt,posr,posc] = get_harris(img,k,t)  其中img为需要检测的图像，k，t分别为该角点检测的参数。输出cnt为角点数目，posr,posc为各个角点的位置。

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

一个简单的代码，找到一个图像中的颜色，如果颜色是找到把这个像素作为白色，否则把像素作为黑色。

决策树C++实现，可用于数据分类、图像处理等，多棵决策树可组成随机森林分类器，代码中自带简单分类样例