基于OpenCV的图像空间变换：旋转，缩放，斜切 参考博客：http://blog.csdn.net/xiaowei_cqu/article/details/7616044

拟仿射变换演化算法（QUATRE）：一种用于全局优化的新的简单而准确的结构

分形理论是利用分数维数的数学方法来描述和研究客观事物。利用分形可以模拟出逼真的自然景物,解决了计算机对复杂自然景物建模困难的问题。IFS迭代函数系统模型是产生分形图形的重要方法之一。根据IFS模型构建分形图形的方法和原理,通过观察树木等自然景物的特征,抽象出一种自然界树木的形状,利用拼贴的方法计算出该树木的IFS码,并用VC++作为工具实现对树木的绘制。通过树木绘制实例详细介绍了绘制的过程、颜色问题的改善和迭代次数及伴随概率对图形的显示效果的影响。由于迭代函数系统模型是通过绘制迭代点来生成图形的,对于点的颜色设置要么单一要么比较杂乱,因此对绘制过程中如何设置迭代点的颜色提出了改善办法。根据程序最终的显示效果,生成图形符合预期的形状,经过颜色改善后的图形效果更加逼真。

仿射密码加解密 C 程序 VC++6.0 编译通过 密钥和明文手动输入

随即产生仿射密钥，对明文加密，并对加密后的密文解密，计算明文密文的字符的频率，以及重合指数 Microsoft Visual C++ 2008 Express Edition

用C语言设计的仿射密码，在VC6.0上可以运行，效果不错

前视红外目标识别是精确制导武器的关键技术。实际应用中，模板和实时图存在尺度和角度的差异，易导致误匹配。为克服上述问题，提出了一种基于边缘仿射不变坐标的前视红外目标识别算法。以边缘曲线的区域质心为基准点建立局部坐标系，在此坐标系下，边缘点的坐标值具有仿射不变；将边缘的坐标集合作为描述子，利用平均hausdorff 距离度量边缘的相似性；最后结合边缘的相对位置剔除误匹配，实现前视红外目标的稳健识别。通过三组实验，与基于灰度模板和基于边缘模板的识别算法相比，识别率和稳健性均有所提高。

完整代码，可直接运行

基本概念（概要） 1. 读取输入图像2. 将图像缩放 2 (UP SCALE) 步骤（增加图像大小，使用双线性插值） 3.通过旋转矩阵旋转图像4. Rows 和 Colms 中的翻译5. 应用逆变换6. 将图像裁剪为原始图像大小7. 显示恢复的 Img

最近需要做人脸对齐的算法，通俗理解就是将图片人人脸姿态不太正确的给矫正过来，所以写了python版本的人脸对齐算法。基本原理是先通过MTCNN检测到人脸的五个关键点，再把原图中人脸区域外扩100%（这样做的目的是保证对齐后图片中没有黑色区域，当然这个外扩的比例是看对齐效果自己可以调节的，我这里设置的100%）。最后的人脸对齐尺寸分为两种：112X96尺寸和112X112尺寸，其中首先需要定死仿射变换后人脸在目标图上的坐标，然后直接变换。废话不多说，直接手撕代码。 # 该代码实现利用人脸的五点仿射变换实现人脸对齐 # 具体就是首先使用mtcnn检测算法检测出人脸区域，并得到lanmarks关键