opencv基于mfc平台的双摄像头

应用背景Python opencv 图像处理基础教程，转自网络，主要是Python对于图像的增强，变换，匹配，轮廓，视频处理，分割，跟踪，投影等等关键技术的初级教程。关键技术图像处理 Python 实现，Python opencv 图像处理基础教程，opencv Python入门基础，gui,图像处理（平滑，金字塔，尺寸，阈值化），图像变换（梯度算子，仿射变换，等等），直方图，图像匹配，目标跟踪，轮廓操作，等等

利用matlab进行CT扫描图像重建。本项目提供二维DFT、正弦图、反投影

C++写的读取dicom文件的程序，比较基础。从代码中可以看出dicom文件的相关格式，以及对应的显示方法。比较基础，适合初次接触dicom文件的朋友

这个 c + + 程序演示了如何检测行人使用 OpenCV 函数图像上。猪和支持向量机基于的识别。

应用背景要求：Matlab，Matlab图像处理工具箱。主成分分析法是一种数学方法数据尺寸减少的公式。因此，主成分分析法技术允许在数据和标准的识别他们的表达方式，在这样一种方式，他们的相似性和差异强调。一旦模式被发现，它们可以被压缩，即，他们的尺寸可以减少没有多少损失的信息。总之，主成分分析法可能是用于数字图像压缩算法，具有低的损耗关键技术1发布日期2014.10.25主要特点：主成分分析的图像压缩详细数据压缩信息灰度和RGB图像的支持快速优化实现演示代码（保护p-files）可用绩效评价

这是一个matlab下处理立体匹配的完整代码，来源于国外的一个大学例程，包含详细的.m文件和交叉编译的cpp、h文件等，适合仔细研读具体的算法原理

面部表情在人类中起着重要的作用沟通和互动。利用技术来检测难察觉的情绪使沟通过程中由用户提供的微小改变其他人的

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。

该代码实现了阴影去除，首先进行运动分割，感兴趣区域提取，最后实现阴影消除。阴影在许多实际情况中都存在，它的存在对我们进行一些判断和预测造成了麻烦和影响使判断不够准确，或者无法进行判断。所以进行阴影消除是非常有必要的。

跟踪不同数量的非刚性物体有两个主要问题。首先，观测模型和目标分布可能是极度的非线性和非高斯性。其次，大量不同数量的对象的存在创造出带有重叠和模糊的复杂相互影响。为了克服这些困难，我们引入了一套能研究、检测、跟踪参与的对象的视觉系统。