Dwt based watermarking

采集图像，能保存和回放，能单侦和多帧显示，可保存成多种文件格式，具有图像处理功能，如缩放，旋转，反白等。

利用微软的directshow开发，C++编写。可以操作摄像头，进行拍照，并把照片保存在指定的目录中

本系统的代码是在VC6.0平台下完成的。VC实现的人脸检测系统，全部基于MFC实现。通过颜色空间转换、 皮肤颜色建模、膨胀、腐蚀、去除伪人脸区域、二次膨胀与腐蚀，从而大致定位人脸区域。再通过眼睛亮度 与色度匹配、嘴巴匹配从而精确定位人脸。 实验结果可以精确定位人脸区域。 以下是算法文件清单： DIB.cpp DIB.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

(1) 一系列颗粒状物体形成的二值图像，假设各颗粒具有相同的大小，采用形态学算法产生三种图像，使其分别包含 (a) 与边界连通的独立颗粒 (b) 彼此交叠的颗粒 (c) 彼此无交叠的独立颗粒(2) 一系列颗粒状物体形成的二值图像，假设各颗粒具有多种不同的大小，采用形态学算法，将不同大小的颗粒区分开，注意其中重叠颗粒的判断。

资源描述主要研究H263编码实现,完整的源代码程序，适合初学者参考学习。代码清晰有完成的VC+6工程代码。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

主要是对有明显图像轮廓的图形进行轮廓跟踪，也就是边界跟踪！主要是对有明显图像轮廓的图形进行轮廓跟踪，也就是边界跟踪！

libdecodeqr-0.9.3docApiReference.ja   ....................HackingGuide.ja   ....................LGPL   ....................README 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

应用背景RGB图像颜色空间，转换灰度图。环境为opencv2.4，VS2010。。。。。。。两种实现方法。代码简介关键技术颜色空间的，RGB，图像的读入。灰度图的转换啊。。。。。。。。。。。。

pcl mfc公司；