基于虹膜识别的人类识别

以下代码参考zongzong1113的程序，仅作了很小修改，只处理亮度分量，其实色度分量处理方式是一样的 涉及颜色空间转换，DCT变换，DPCM差分编码、量化、Zig_Zag扫描 该程序未采用Huffman熵编码

分别讨论了位图及图像类的概念、图像获取、图像增强、图像复原、正交变换、压缩编码、图像配准、运动检测、特征提取、图像分割及识别的相关知识，基本涵概了从图像获取到图像处理的各个领域，并结合Microsoft公司面向对象的可视化集成编程系统Visual C++，给出了相应的算法和完整的源代码。

使用matlab将图像二值化后，研究阈值分割的方法，包括均匀性度量法，迭代法和阈值自选的代码。

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

包括bmp格式图片读取，写入，图像二值化，灰度转换，直方图均衡化等基本操作。不需要用到opencv的开源代码库，是直接用C++编写的图像处理程序。程序包括MFC应用界面

matlab 程序代码来计算编码 h.264 值 在计算能力和技术最近的增长推动了需要高度安全的数据通信。安全通信的最佳技术之一是信息的隐写术的隐藏的传达到存在一种艺术。加密技术，称为双隐写术，结合使用隐写术的过程开发一个坚固的模型，在确定任何隐藏和加密的数据中添加很多的挑战。使用加密技术来加密数据之前传输可能会阻止任何类型的安全问题。但伪装加密数据的外观可能会引起怀疑。因此使用内隐写术的密码系统，引起的双隐写术，将提供更好的安全性改进的版本。提出了隐藏数据与二能级的安全性，以嵌入数据加上良好的感知透明性和高负载能力的一种技术。提出了一种新型的数据隐藏直接在 H.265/HEVC 视频流的压缩版本，其中包括以下三个部分，即数据加密、 视频压缩、 数据嵌入和提取数据。通过分析 H.265/HEVC 编解码器，码字的快速模式的属性码字的运动矢量差异都用以掩饰视频流中的数据。数据隐藏是直接在压缩的 H.265/HEVC 视频码流进行的。这项计划可以确保格式的法规遵从性和严格的 file 大小保存。

该实例很好的展现了如何通过vsg这一场景图语言加载flt，通过vp将模型经过vsg对节点的读取，成功在vp中展现。此例子短小精悍，容易理解，易懂，通过磁粒子的学习更好的掌握一门古老而又应用广泛的语言-vsg。希望对大家有帮助

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。

使用c++编程语言，结合opencv库，分别采用拟合法和灰度重心法提取图像中圆斑中心，其中采用迭代法自动确定二值化阈值

基于opencv的车辆识别检测跟踪 利用blob团块的方法 完整的代码  供您使用参考  只要将上面的视频路径修改 就可以加载视频  完成目标的跟踪识别  是您学习opencv的好选择