RGB 转YUV

此项目包含使用两个摄像头的立体视觉摄像机的标定。它是使用 opencv 249 linux 平台实现

他的论文描述基于 LCA 强大功能提取 methodز 作为一种高效的人脸检测系统从涉及复杂背景下，使用基于独立 分量分析的特征提取的图像示例基于人脸检测和 RDF 识别器。为示例基于人脸检测困难的问题之一就是要估计 低维子空间而不会降低鉴别性特征。人脸识别，ICA 是一个更好工具来代表脸上尽可能的图像作为少数几个组件。 我们用 RBF 神经网络来区分的面孔和非面孔和评价其性能作为判别属性用 ICA。

useful for SAR imaging processing  wellkown algorithm to form the radar image both to processing in range and azimuth direction

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

本代码提供了最基本的图像读取，保存图像，处理图像，如水平镜像，垂直镜像等。里面含有三种操作影像的方法内存法，指针法和像素法。

数字图像处理与机器视觉将理论知识、科学研究和工程实践有机结合起来，介绍了数字图像处理和识别技术的方方面面，内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。本书还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ANN)和支持向量机(SVM)，并在配套给出的识别案例中直击光学字符识别(OCR)和人脸识别两大热点问题。 本代码为该书配套的VC工程源码，非常棒，推荐大家了解数字图像处理与机器视觉的基础内容。

下面的 Matlab 项目中包含的源代码和用于 RGB 图像，使用小波变换压缩的 Matlab 例子。RGB 图像只能压缩，然后进行处理。在项目文件中列出了源代码和包含在此项目中的文件。小波变换是图像压缩的最佳技术。

能够提取图像边缘，并且输出边缘坐标。 使用时需要修改路径。

此代码将计算 16-点二维离散余弦变换通过执行两个 1 D DCTs.1st 一维离散余弦变换应用于每个输入中的行，并且从这个结果一维 DCT 执行的每一列。它由输入的加法器块，8 点近似离散余弦变换和置换块组成。

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。