Retinex去雾

QR code encode and decode 的源代码，编码部分详细标分析并注释的源代码，UI显示部分，将日文进行汉化，显示为中文方便读者使用，将编码和解码放置在同一个工作区内，方便调试代码，编码后生成QR code image，保存为bmp图像，利用解码器解码QR code image,将编码内容,image，版本等相关信息显示在UI上。

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。

代码运用了canny算子，有效地提取自然图像的轮廓。任何边缘检测 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

本研究工作的主要目的是从特定的MRI扫描中识别肿瘤及其定量；

使用VS2010，opencv2.3版本，进行Lucas_kanade金字塔仿真，其中调用Opencv库函数cvCalcOpticalFlowPyrLK，获得第二帧图像的光流点，

1.56版 ，含演示 delphi 显示png 的控件 pnpdelphi delphi 显示png 的控件 pnpdelphi delphi 显示png 的控件 pnpdelphi

很详细的代码啊   直接就可以拿来用 vc++的数字图像处理     很实用  很有趣啊    学习的时候可以拿来借鉴啊

基于OPENCV编写的几何图形识别。对一些人类在视觉上存在明显区别的几何图形,提出了轮廓搜索‰ 折点定位的改进算法。通过搜索出的轮廓折点,根据它的数量,以及相邻折点之间连线的相互几何关系,最后识别出图形的快速算法。本文对大量几何测试图形用该算法实验,结果证明该识别算法具有运算速度快,准确度高的特点,在图形发生拉伸旋转等变形时也能很好对图形进行识别。附带自己编写的相应测试源代码，对利用取模软件建立的图形进行识别。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。