K-means算法

近似近邻快速图书馆

该算法是criminisi算法的经典程序，对于初学者有很多的帮助，以及有现成的图片，可以很好的将criminisi算法从 入门到掌握。

程式执行会出现两个视窗，一个是原始图像，一个检测后的图像。 检测后的图像上方有个拉霸，可以调整Min Threshold。 Canny Edge Detector演算法的步骤： 1. 用高斯滤波器平滑图像（在调用Canny之前自己用blur平滑） 2. 用一阶偏导的有限差分来计算梯度的幅值和方向 3. 对梯度幅值应用非极大值抑制 4. 用双阈值算法检测和连接边缘 关键函式： void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false )

用matlab编写的形态学滤波预处理指纹图像，包括n*n的二值膨胀、腐蚀和开闭操作，得到较好的指纹图像

ICCV会议上，关于稀疏编码图像恢复的文章，pdf格式，文章中也给出了源代码的下载网址。

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

资源描述 basler相机调用程序 读取相机数据 抓取图片，图像处理

资源描述 资源描述 C#写的图像处理程序，主要包括图像的去噪声，边缘探测，边缘剪裁，中值滤波，图像增强，图像旋转，放大，在图像上绘画，添加注释等 采用的大量算法，如拉普拉斯算子，sobel等 包中包含完整的源代码和debug版可执行文件，代码中使用了devExpress的pictureEdit控件，并对其进行了改进，添加了图片的逻辑坐标转换功能。

这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码使用步骤：1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)2. 找到"main.m"文件3. 命令行中运行它4. 点击"Train Network"，等待程序训练好样本5. 点击"Test on Photos"，选择一个.jpg图片，识别。6. 等待程序检测出人脸区域createffnn.m, drawrec.m, gabor.m, im2vec.m, imscan.m, loadimages.m, main.m, template1.png, template2.png, trainnet.m

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮