图形绘制

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。

摘要：本文提出了一种低功耗的坐标旋转 数字计算机（CORDIC）为基础的可重构离散余弦 变换（DCT）的体系结构。本文的主要思路 基于有趣的事实，在所有的计算中 DCT是不产生频率同样重要 域输出。考虑在重要的区别 的DCT系数，CORDIC算法的迭代次数可以是 动态改变有效折中的图像质量 功耗。因此，计算能量可 不会严重影响图像显著降低 质量。所提出的CORDIC基于2-D DCT的结构是 实现使用0.13微米CMOS工艺，以及实验 结果表明，我们的可重构DCT达到省电 从22.9％到52.2％，比CORDIC为主吕氏 DCT在轻微的图像质量劣化的成本。 关键词：坐标旋转数字计算机 （CORDIC），数据的优先级，离散余弦变换（DCT）， 低功耗，可重构的体系结构。

OpenCV机器学习SVM支持向量机的分类程序，可用于模式识别的多分类。也以用于实验或工程项目，我才用的是opencv243的库，部分代码如下： #include"opencv243.h"#include #include #include using namespace std;int main(int argc, char* argv[]){

谢凤英的VC++数字图像处理(源码)包括源码和测试图像，第九章太大单独传

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。

图像分析是通过图像分析来理解图像内容的过程

资源描述自己早期学习opengl做的一个列子，对opengl入门学习很有帮助，里面包括配置好的环境库，也可以稍微改动将图像播放做成视频播放；值得进一步学习

采用带方式实现Qt时钟的实现，相机教育可以观察和实现始终的的走法，可以对Qt下角度，连线方式，圆圈的实现，坐标轴的位移，画家时间等元素的实现，好好看会有一项不到的收获，Qt clock 代码， 你值得拥有

资源描述robHess库中，实现sift算法的特征点提取，匹配两个过程。利用opencv2.4.9+c ，代码经过测试，可用，结果良好。

一个简单的傅立叶描述子程序，可以运行，可以用来学习傅立叶描述子的原理。内附有结果图