基于v4l2的图像采集，并保存为jpg，bmp，yuv格式

基于opencv的图像特征匹配算法，此算法可以用于图像特征检测，运动跟踪，等等

图像缩放程序代码，适合于初学者学习。代码中包括最近邻算法，B样条算法，双二次B样条插值算法，双三次算法等经典算法。程序简单易懂。

卡尔曼滤波器是目标跟踪的主要功能，使用卡尔曼滤波程序，以实现对机动目标进行跟踪

医学图像处理是最具挑战性和新兴领域现在是一天。MRI 图像处理中的是一种此字段的部分。本文介绍了建议战略，以检测和提取脑肿瘤病人的大脑的 MRI 扫描图像。此方法合并了与一些噪声去除函数、 分割和形态是图像处理的基本概念的操作。检测和提取肿瘤 MRI 扫描的图像利用 MATLAB 软件进行了大脑

主要是对有明显图像轮廓的图形进行轮廓跟踪，也就是边界跟踪！主要是对有明显图像轮廓的图形进行轮廓跟踪，也就是边界跟踪！

应用背景运动模糊图像是常见的模糊图像之一，在生活中处处存在，比如相机照相是手抖动就有可能造成运动模糊，在军事，交通，医学等方面都有应用，所以对运动模糊图像复原的研究有重大的意义。关键技术本文先假设运动尺度和运动角度，构造一个点扩散函数，使原图像变模糊，然后运用四种算法对图像进行复原（维纳滤波，最小二乘法，L-R，以及盲卷积），通过对比看哪种算法效果更好。

利用三角形神经元，实现仿生模式识别算法中的样本空间覆盖，并以此实现测试样本的分类，程序在获取外界图像后可实现样本分类。

这段代码是在 matlab 中实现的。输入两个的多聚焦图像和设置的步骤变量设置为 1、 2 或 3 和阈值 T，块大小。输出是一个焦点无处不在的复合图像。

基于OpenCV的静态人脸检测程序的实现，已运行成功，人脸检测是目前非常前沿的技术，Adaboost算法实现起来也比较复杂，但应用OpenCV提供的函数和分类器进行人脸检测十分容易，主要包括训练和检测2个模块

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。