opengl绘图

  基于模板匹配操作比较简单，实现效果也是比较好的。该方法的主要思路是待检测图像与先前做好的模板图像之间提取的特征向量逐个进行比较，计算它们之间的相似度，然后将图像归于相应的类。本次实验使用的模板是trainImgs中的train20.dat文件先建立模板，然后  在计算待检测图像与模板之间的欧氏距离，与设定的阈值相比较，从而检测出该图像的人脸区域。#include "stdafx.h"#include "facedetect.h"#include "facedetectDoc.h"#include "facedetectView.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;pDC->TextOut(600,10,"操作说明：");pDC->TextOut(600,40,"步骤一：载入训练库 *.dat 生成模板");pDC->TextOut(630,60,"（训练库在程序关闭前只需载入一次）");pDC->TextOut(600,80,"步骤二：载入 *.raw 或 *.txt/*.lst");pDC->TextOut(630,100,"如果载入的是 *.txt/*.lst 列表");pDC->TextOut(640,120,"按 Page Down/Up 翻页");pDC->TextOut(650,140,"（需要修改 *.txt/*.lst 里边的存放地址）");pDC->TextOut(650,160,"（注意存放地址不得出现中文或符号

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

应用背景Sobel算子，Sobel算子或有时被称为费尔德曼Sobel滤波器，用于图像处理和计算机视觉，特别是在边缘检测算法，它创建一个图像强调边缘。它被命名后，欧文Sobel算子和加里费尔德曼，在斯坦福大学人工智能实验室的同事（帆）。它是与费尔德曼加里共同开发的航行。Sobel算子和费尔德曼在航行1968谈了一个“同性3X3图像梯度算子”的理念。关键技术操作者使用两3×3内核的卷积与原始图像计算的近似的衍生工具-一个水平的变化，和一个垂直。如果我们定义一个作为源图像，和GX，GY两图像各点的水平和垂直含有导数的近似值。

图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。

利用形态学处理对道路进行分割提取，包括中值滤波3x3,5x5,7x7等不同模版下的道路提取，可以有效的提取出道路的骨外扩，后面有详细的备注说明。                                                                                                                                  

step1:用高斯滤波器平滑图象；  step2:用一阶偏导的有限差分来计算梯度的幅值和方向；  step3:对梯度幅值进行非极大值抑制；  step4:用双阈值算法检测和连接边缘。

应用背景立体匹配是三维复现，生成三维点云中的一个重要步骤，只有精确地匹配了左右两个相片上点才能准确地三维复现出物体表面轮廓信息，为如3D打印等工程提供前段信息。关键技术立体匹配中算法的选择与实现，速度上的要求，精度的要求，opencv函数库的应用，标志点的选取，相机的标定等问题。

此代码包括用于从输入图像中检测面部区域，以及定位眼睛，鼻子和嘴巴的部分的方法。然后各部分都标有导致输出图像上的矩形显示。这是为那些谁想要检测脸不同部分，使用输入正面图像进行特征提取特别有用。

Rob Hess用C语言写了开源的SIFT实现——OpenSIFT，且具有与原作者示例相差不多的运行性能。由于SIFT算