http://blog.csdn.net/shen_wei/article/details/5432566 1)將256*256分辨率的圖像變為128*128分辨率可以將源圖像劃分成2*2的子圖像塊,然後將2*2的 子圖像塊的所有像素顏色均按照F(i,j)的顏色值進行設定，達到降低分辨率的目的。 如: F(i,j)    F(i,j+1)                  F(i,j)

http://blog.csdn.net/renshengrumenglibing/article/details/7065330 直方圖是多種空間處理技術的基礎，可以用於圖像增強。同時在其他的處 理方法中也十分有用，比如圖像壓縮和分割。 基本的原理： Ni = 255*（N0 + N1 + N2 +……Ni）/(width*height) 程序流程： 1、統計各個像素值的個數 2、建立映

http://www.cnblogs.com/wuchaodong/archive/2009/04/28/1444792.html 近日逛博客的時候偶然發現了一個有關圖片相似度的Python算法實現。想著很有意思便搬到C#上來了，給大家看看。 閒言碎語 　　才疏學淺，只把計算圖像相似度的一個基本算法的基本實現方式給羅列了出來，以至於在最後自己測評的時候也大發感慨，這個算法有點不靠譜。

http://www.cnblogs.com/cvart/archive/2011/07/07/2100564.html 查找圖像中橢圓輪廓的快速隨機hough變換 　　圖像中橢圓輪廓的查找在視頻監控等領域有著廣泛的應用，經典hough變換給我們提供了一種查找各種圖形輪廓的方法，特別是在直線查找方面具有非常高的精確度。但是由於經典hough變換的基本原理是將圖像空間轉換到參數空間，所以

http://www.cnblogs.com/slysky/archive/2012/03/30/2426059.html 需求：對每個新圖像中的像素進行遍歷。計算像素點在原圖像中對應的位置。   由於在求邊界時，假定圖像進行順時針旋轉，因此此處進行反推新像素位置在原圖像中的對應位置時，需要用逆時針計算。 順時針計算方法是： X = xcos(theta) + y s

如果圖像灰度變化劇烈，進行一階微分則會形成一個局部的極值，由數學上的知識，對圖像進行二階微分則會形成一個過零點，並且在零點兩邊產生一個波峰和波谷，我們要設定一個閾值，檢測到這個過零點，如下圖所示： 帶來了兩個好處： 1. 二階微分關心的是圖像灰度的突變而不強調灰度緩慢變化的區域，對邊緣的定位能力更強。 2. Laplace算子是各項同性的，即具有旋轉不變性(后面會證明)，在一階微分里，我們是用