小波变换

自己写的用opencv实现切割保存图像中感兴趣区域函数，可以在添加代码后直接调用函数实现切割

地震勘探数据处理里的，可以读取sgy，提取层速度，做avo处理，测井方面的数据处理

// FingerDemo.cpp : Defines the class behaviors for the application. // #include "stdafx.h" #include "FingerDemo.h" #include "MainFrm.h" #include "ChildFrm.h" #include "FingerDemoSet.h" #include "FingerDemoDoc.h" #include "FingerDemoView.h" #include "FingerDBM.h" #include "Authentication.h" 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

ES流转PS流代码.主要的函数 Mux(). 当至少有一个码流有数据时，调用 MUX。  

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

这档节目正在变化的培训SET其中包括前期的形象.PREPROCESSING涉及图像以供随时THE NEXT STAGES。我们的主要目的在于，在眼疾病症状的检测。

这种算法执行的 K-均值滤波在二进制图像上，同时选择唯一重要的像素为单位）。像素重要性进行二次筛选并使用膨胀和腐蚀。

粒子滤波仿真程序，可以生成误差、跟踪结果等参数，是学习和写论文的好东西。如果感兴趣可以在他的基础上修改，进行不同形式的测试。里面包含基本粒子滤波、EKF、粒子滤波三者的比较，跟踪轨迹的比较，MAP及最大后验结果等图像仿真结果。

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

CUDA c实现的光线渲染小程序，使用c语言在GPU上通过并行计算，展示相机空间的一组球体。逆向光线追踪，在相机平面上展示出一张充满立体感的图片。