基于虹膜识别的人类识别

Volume可视化是的图形化表示法在三维网格定义的数据集的创建。卷的数据集具有多维数组的标量或矢量数据的特点。这些数据通常定义对晶格结构代表在 3-D 空间采样值此代码将加载数据并将其显示在 3D。

利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理, 程序能够运行出正确的结果，希望对各位有帮助。

资源描述人脸识别，基于VC和openc的图像处理，包含摄像机调用等

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject 有时候我们会发现拍照很有趣，那么让我们来把它变得更有趣吧。设计灰色和动漫风格的照片不是很难。你只需有一个安卓手机并安装一个有趣的相机应用就好了。 通常，拍照时会遇到自动对焦问题，首先，我们要等待自动对焦完成，然后再拍照。这就是为什么我们需要重写自动对焦方法来帮助我们拍得更清楚。其次，图像处理时需要将原始数据转换成位图格式。我们使用位图工厂进行转变。第三，有两个图像处理效果可供选择，灰阶和动漫风格。灰阶很简单，仅是获取  R, G 和 B 的数量然后除以 3。但是我们依然需要知道如何分别获取 R, G 和 B 通道。使用 color 方法获取像素值帮助我们获得 R, G 和 B  的值。 动漫风格需要两个处理，包括索贝尔过滤和有序抖动处理。我们需要结合两种方法完成动漫效果。如果你想开发更多效果，可以使用这个代码架构继续开发。因为这是准备自动对焦并回调函数拍照。 你只需按照此架构添加新的图像效果即可。这个 APP 会在你选择图像效果前开启相机，然后你可以选择效果。你可以按下”拍照“按钮，然后可以查看处理后的图像。开发这个应用只有两个文件，非常简单。 适用于初学者。背景设备操作系统: Android 4.1.2 开发者实用程序: Eclipse ADT使用代码File Name: AndroidManifest.xml

小波处理，滤波，复原，融合等VC源代码，已生成MFC界面，效果不错，欢迎下载、交流。

利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。

我们的项目结合了很多方法可提取车牌、 段字符和识别字符。进一步改进应侧重不仅精度的识别、 车牌提取、 字符分割和标准化的准确性。 MatLab 程序编码，所有的车牌识别阶段建立经历。它理解是有帮助的车牌识别一步一步的程序。图像采集、 板提取、 字符分割与字符识别它们。我们成功地演示了车辆数板分割与识别系统。 应用于图像的直方图均衡。它可以扩大，以包括更大的范围，产生一个更高的对比度图像的像素强度。 我们使用这辆车的后面黄色车牌作为输入图像。我们采取两套照片的分辨率 l 1024 * 768 像素 l 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

目标检测的matlab代码，能在windows上运行，代码并不是个人原创，而是在别人基础上稍作修改，移植到windows平台中

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

用鼠标框选需要检测的物体，依据颜色直方图特征，进行动态检测，如果有接近所选的物体的颜色直方图特性，会导致检测失败；如框选笔记本电脑摄像头跟踪的人脸，如果有手挡住人脸，会出现跟踪人脸的情况。