基于多目标遗传算法的音频水印

mfc编程，带滚动条的图片显示，图像灰度化，加权灰度均衡化，高斯滤波处理，大律法自适应二值化算法

基于概率框架的立体视觉匹配和运动估计方法

jepg图像压缩。。。包含分块DCT，量化，zigzag,反zigzag,反量化，和反dct。。。。没有包含编码内容。。。此程序没有使用能满足刚好分为8*8小块的图片而是使用不规则图片。。。通过补齐黑边来实现程序的通用性。。。压缩包中包含有测试图片。。。可以对任何维度的图片使用。。。缺点是使用循环较多。。。运行速度较慢。。。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

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。

大脑癌症检测 过滤 聚类分析 组织的领域

可以用于将一幅彩色图像分成RGB三个通道，并把每个通道的灰度直方图表示出来，很直观的了解图像各通道灰度值的分布区域

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

利用简单的命令对图片进行剪裁，这个可以用鼠标选择自己想要留下的图片区域，不需要计算目标图片的灰度值或坐标范围，仅仅用鼠标选择目标区域进行剪裁就可以得到自己想要的图片，然后保存。

此程序代码使用matlab 利用眼底图像的血管树，找到具有显著特征的分叉点，并将主分叉点和其周围的三个子分叉点做为一个局部结构，利用分叉点角度和分叉长度进行图像的变换并配准。