duanhy的专栏

本文是叙述对于矩阵进行奇异值分解（SVD分解的方法），后面有利用SVD分解对于图像压缩的应用，代码使用matlab语言。SVD分解可以对于一个一般矩阵使用，将其分解为3个特殊的矩阵，公式如下：

本文简单介绍边缘检测的集中方法，并有matlab做的结果演示。什么是边缘？边缘一般是指图像在某一局部强度剧烈变化的区域。强度变化一般有两种情况：1. 阶跃变化

本方法由Takumi OHASHI等人提出，论文为：Hill-Climbing Algorithm for Efficient Color-Based Image Segmentation算法流程计算颜色直方图（一维），统计每一种存在的颜色的像素点个数。从颜色直方图中一个统计值为非0的颜色开始，开始爬山，直到到达峰值： 2.1. 计算当前颜色左右相邻的颜色的统计值

对输入的图片先执行hill-clambing，找到峰值。将峰值的个数作为kmeans中k的个数，峰值点作为kmeans算法中的初始聚类中心。

本文介绍OpenCV中人脸检测使用的Haar特征及Adaboost算法原理及代码实现，代码使用EmguCV 3.0编写。Haar特征Haar特征简单的来说就是如下图所示的窗口 Haar特征就是黑色区域的像素和与白色区域的像素和，分别乘以一个权值，求差，得到Haar特征值。权值与面积成反比，保证黑色与白色区域的像素点个数相等。 通过窗口的平移与缩放，可以在一幅图像中获取数目巨大的Haar特征组