对图像进行滤波、边缘检测、图像分割的处理

由浅入深的介绍了图像，图像处理，matlab的基本概念，以及它们之间的联系及结合点，每章每个例子都附有大量的代码，是学习MATLAB及图像处理最好的基础教程，代码清晰明了，都经过一一运行过。希望能和大家多多交流，共同进步。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

基于kinect的人脸跟踪系统，环境：Visual Studio2010，kinect。 本科毕业设计可用。 可运行范例。

对图像进行去噪处理，运用小波变换将其进行四层分解，进行小波变换可以将图像的高频和低频分量，分离出来，高频分量里又包含了大量的纹理特征信息，通过对图像进行小波变换提取图像特征量的均值和方差，作为图像的纹理特征

应用背景一个递归的区域为2D和3D图像集和二进制掩码输出多边形生长算法。这个函数的主要目的在于清洁和高度记录的代码。关键技术使用方法： ；[ J ] = P，区域生长（CIM，initpos，thresval，maxdist，tfmean，tffillholes，tfsimplify）输入： ；CIM：二维/三维灰度矩阵 ；- initpos：初始种子位置 坐标；- thresval：要包括 绝对阈值；- maxdist：最大距离在【PX】 初始位置；- tfmean：更新的区域意味着初始值（慢） ；- tffillholes：填充封闭孔的二进制掩码 ；- tfsimplify：减少线路简化顶点个数输出： ；P：vxn阵列（有点尺寸，N V号）。P是封闭的多边形的所有相关像素/体素 ；J：二进制掩码（具有相同的大小作为输入图像）显示1（真）相关的像素/体素和0（假）之外

可以实现多个目标的跟踪，但是有一定的缺陷，需要后期的改正，要弄清楚camshift的相关原理必须从MEANSHIFT着手了解，更多的是混合高斯与camshift结合这一块，程序比较复杂，需要对OPENCV有一定的认识和了解，所以特别是相关的函数，大家一定要清楚之后才可以调试，建议使用VS2010和opencv进行配置实现相关的功能

局部二进制模式（LBP）是一种用于在计算机视觉分类功能。 LBP是中提出的纹理光谱模型的具体情况1990年 [1] [2] LBP在首次描述1994。[3] [4]它已经被认为是一个强大的功能用于纹理分类;它已经进一步确定，当LBP 是结合梯度方向直方图（HOG）的描述符，它大大提高了对某些数据集的检测性能。  LBP的特征矢量，在其最简单的形式中，以如下方式创建：  划分检测窗口进入细胞（例如16×16像素的每个单元格）。  在一个小区中的每个像素，比较像素到它的每一个8邻居（在其左顶，左中间，左底部，右顶部，等等）。 跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这给 出了一个8位二进制数（通常转换为十进制为方便起见）。 计算直方图中

特征向量生成用于训练和测试使用功能的中心矩、 预测、 纸张歪斜、 和 iprops 函数的平均值

将图像按像素按位进行求反，取得类似照相底片效果.

matlab练习程序（随机直线采样） 我只是感觉好玩，写了这样一段程序。原理就是先随机生成两个点，然后根据这两个点画直线，最后在直线上的像素保留，没在直线上的像素丢弃就行了。最后生成了一幅含有很多空洞的图像。当然，对含有空洞的图像是可以用修复算法修复的。我也尝试修复了一下，用的算法我过去也写过，可以看 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