反向传播神经网络

本程序是基于window Microsoft Visual Studio 2010 编译并调试成功的，其中使用的opencv库版本为opencv2.4.4。需要配置有opencv2.4.4才能运行本程序。本程序的主要功能是对摄像头采集进来的图片进行l-k金字塔光流跟踪。并将光流跟踪点用绿色的圆圈显示出来。 

生成具有真实感的图形，在给定视点和视线方向后，决定场景中哪些物体的表面是可见的，哪些是被遮挡不可见的，在成运行结果中，可以旋转物体观察效果

OpenCV中的Gabor小波程序，包括.c和.h文件，对图像进行多方向、多尺度滤波。把以上文件添加到工程中，调用cvGabor()函数，实现滤波，函数内参数有说明，具体看源文件内部。

opencv用多种方法提取特征，分别有颜色提取即：颜色直方图提取；形状提取有Hough直线提取、Hough矩形提取以及边缘直方图提取

源程序可以隐藏内部图像数据。

多种中值滤波器 (5 点交叉, 1x2, 1x3, 2x2, 3x3, 3x4, 4x4, 4x5, 5x5, 7x7) 来降低图像中的椒盐噪音。我还计算了 MSE 值来决定中值滤波器的质量并画出图形来表示 MSE 和中点

资源描述应用matlab编写的canny边缘提取边界分割算子，很强大的边界提取算子，彩色图像的输入，如何你想要修改成为自己的图像，可以通过更改低通跟高通滤波的阈值来对自己的图像进行具体处理，真心很强大的程序，适合初学者的matlab程序

该程序涵盖了基本的图像处理，内容十分丰富，是使用c++进行编写的，十分值得大家学习和参考使用，对于初学者是一本很好的案例学习，另外里面的程序都是使用灰度图像处理的

在这个程序中，通过离散小波分析和输入图像来得到一个基于高频子带图像插值的图像分辨率增强技术。边缘的增强的基于平稳小波变换 （SWT） 引入一个中间阶段。为了将输入的图像分解成不同子带，使用了离散小波变换。然后，对高频子带以及输入的图像进行插值。估算的高频子代通过平稳小波分析得到的高频子代修正。然后，所有这些子相结合，通过使用逆离散小波变换 （IDWT） 生成一个新的高分辨率图像。定量和视觉结果显示了该方法的优势超过常规和先进的图像分辨率增强技术.

应用背景在进行图像处理时，由于实验数据要求不同，经常要对图片的大小进行修改，如果只是一两张图片可用一些PS等软件很快的修改，若图片有成百上千张，比如在做人脸识别时，非常耗时，所有可以用该程序来进行批量修改，图片长宽可在代码中进行设置。关键技术主要是opencv中dst_img_rsize的使用，以及如何根据文件名循环的读取图像文件进行批量操作，修改完后如何将其保存又不与原始图像混在一起。