wanglp094的专栏

1.存取单个像素值 最通常的方法就是 [cpp] view plaincopy img.at(i,j) = 255;   img.at(i,j)[0] = 255;   如果你觉得at操作显得太笨重了，不想用Mat这个类，也可以考虑使用轻量级的Mat_类，使用重载操作符()实现取元素的操作。 [cp

直方图均衡化 直方图均衡化（Histogram Equalization）是直方图最典型的应用，是图像点运算的一种。对于一幅输入图像，通过运算产生一幅输出图像，点运算是指输出图像的每个像素点的灰度值由输入像素点决定，即： 直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数过程。从分布图上的理解就是希望原始图像中y轴的值在新的

代数运算，就是对两幅图像的点之间进行加、减、乘、除的运算。四种运算相应的公式为： 代数运算中比较常用的是图像相加和相减。图像相加常用来求平均值去除addtive噪声或者实现二次曝光（double-exposure）。图像相减用于减去背景或周期噪声，污染等。 图像相加 OpenCV中提供了相加的函数 [cpp] view plainco

IplImage 结构解读： typedef struct _IplImage { int nSize;                     /* IplImage大小 */ int ID;                          /* 版本 (=0)*/ int nChannels;            /* 大多数OPENCV函数支持1,2,3 或 4 个通

几何变换 几何变换可以看成图像中物体（或像素）空间位置改变，或者说是像素的移动。 几何运算需要空间变换和灰度级差值两个步骤的算法，像素通过变换映射到新的坐标位置，新的位置可能是在几个像素之间，即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值，就是令输出像素的灰度值等于映射最近的位置像素，该方法可能会产生锯齿。这种方法也叫零阶插值

Rob Hess的SIFT算法实现理解及注释         SIFT算法不用我多解释了，这是一个很强大的算法，主要用于图像配准和物体识别等领域，但是其计算量相比也比较大，性价比比较高的算法包括PCA-SIFT和SURF其中OpenCV提供了SURF算法，但是为了方便理解。这里给出了Rob Hess所实现的SIFT算法的实现以及注释，结合我自己的理解，如果，您有关于SIFT算法不理解的地方咱