基于matlab的图像处理

该代码基本上进行了眼底图像的分割，以便进一步检测其他特征图像处理分割将图像分成多个部分，通常用于识别数字图像中的对象或其他相关信息。

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

关于图像的各种滤镜特效源代码，约包含100种，如常见的图像处理效果。包括：contrast，hue，gamma，brightness，sharpness，emboss，saturation，exposure，shadow，blend 等等

离散余弦变换 （DCT） 表示序列的有限多数据点之和的余弦函数以不同的频率振荡。DCTs 是重要对大量的应用程序，在科学和工程，从有损压缩的音频和图像 （在那里可以丢弃小高的频率成分），对偏微分方程的数值解谱方法。余弦函数，而不是正弦函数的用途是这些应用程序的关键： 压缩，它原来余弦函数是更加有效率 （如下文所述，少，以近似一个典型信号），而求解微分方程的余弦表示选取一个特定的边界条件。尤其是，DCT 是类似于离散傅里叶变换 （DFT），但只使用实数有关傅里叶变换。DCTs，等同于傅里叶变换的两倍左右的长度，经营上真实的数据甚至对称 （因为真实，甚至函数的傅里叶变换是真实，甚至），在那里有些变形的输入和输出数据转移半样本。有八个标准的 DCT 变种，其中四个常见。

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

cs算法：FBMPR。

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

斯坦福大学教授写的opencv源码 光流法，这个光流法的程序是能够直接运行的，内部甚至配置好了相关的工程条件和视频

此应用程序可让您使用手指手势的计算机屏幕上绘画......它是使用 opencv249 和 visual studio 2010 生成的

应用背景人脸检测技术是一种在数字图像中识别人脸的计算机技术。它可以检测到人的面孔，然后可用于识别特定的脸。这项技术目前正被用于各种各样的应用中。请检查我的代码关键技术用emgu haarcascade CV。 ；emgu CV  ；是一个跨平台的。净包装的OpenCV图像处理库。允许OpenCV函数被调用。网兼容的语言如C #，VB，VC + +，IronPython等的包装可以编译在单声道和运行在Windows，Linux，MAC OS X，iPhone，ipad和Android设备。