刚开始学图像处理，需要查找一些关于图像x，y方向一阶导数和二阶导数的问题。可是发现，在网上怎么也找不见。不知道是我不会找还是怎么回事。还是看书吧。哎

总结如下

基础知识：

首先要知道图像中像素点的分布问题。数字图像中，f（x，y）可表示成一个M*N的二维数字阵列，即如下图

CV_INLINE  double  cvmGet( const CvMat* mat, int row, int col )
{
    int type;

    type = CV_MAT_TYPE(mat->type);
    assert( (unsigned)row < (unsigned)mat->rows &&

双三次插值（Bicubic interpolation）

　　双三次插值是一种更加复杂的插值方式，它能创造出比双线性插值更平滑的图像边缘。请读者留意下图中的眼睫毛部分，在这个地方，软件通过双三次插值创造了一个象素，而这个象素的象素值是由它附近的（4 x 4）个邻近象素值推算出来的，因此精确度较高。双三次插值方法通常运用在一部分图像处理软件、打印机驱动程序和数码相机中，对原图像或原图像

插值算法对于缩放比例较小的情况是完全可以接受的，令人信服的。一般的，缩小0.5倍以上或放大3.0倍以下，对任何图像都是可以接受的。

最邻近插值（近邻取样法）：
　　最临近插值的的思想很简单。对于通过反向变换得到的的一个浮点坐标，对其进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目的像素的像素值，也就是说，取浮

http://blog.sina.com.cn/s/blog_4840fe2a0100a0c0.html

在网上看到有人贴了如下求导公式：

Y = A * X --> DY/DX = A'
Y = X * A --> DY/DX = A
Y = A' * X * B --> DY/DX = A * B'
Y = A' * X' * B --> DY/DX = B * A'

于是把以前学过的矩阵求导部分整理一下：

1. 矩阵Y对标量x求导：

相当于每个元素求

  

曲线峰值为1/（2π）&frac12;σ

高斯分布，也称

ORL人脸库是由英国剑桥Olivetti实验室从1992年4月到1994年4月期间拍摄的一系列人脸图像组成，共有40个不同年龄、不同性别和不同种族的对象。每个对象10幅图像共计400幅灰度图像组成，图像尺寸是92×112，图像背景为黑色。其中人脸部分表情和细节均有变化，例如笑与不笑、眼睛睁着或闭着，戴或不戴眼镜等，人脸姿态也有变化，其深度旋转和平面旋转可达20度，人脸尺寸也有最多10%的变化。该库是目前使用最广泛的标准数据库，它含有大量的比较结果。

IplImage * change4channelTo3InIplImage(IplImage * src)
{
if (src->nChannels != 4)
{
   return NULL;
}

int destimgSize;
destimgSize = src->height*src->width*3;
int srcImgTotalSize;
srcImgTotalSize = src->widthStep*src->height;
char * buffer = new char[destimgSize];//用

最近做一个Real time Face Detection的系统，用到了OpenCV，其中需要DIB和IplImage之间的转换，在网上找了很多solution，都不行。郁闷，只有自己小研究了下。

其中DIB和IplImage的数据区是差不多的，只是一个简单的顺序相反关系

byte *p = new byte[m_InInfo.bmiHeader.biWidth*m_InInfo.bmiHeader.biHeight*3];//开辟新空间
IplImage* m_SnapImage = cvCreateImageHeader(cvSize(m_InInfo.bmiHeader.biWidth,m_InInfo.bmiHeader.biHeight),IPL_DEPTH_8U,3);//创建IplImage头