超分辨率

应用背景利用机器视觉进行障碍物检测时，需要定位障碍物的坐标，由于相机有畸变，因此需要进行标定。这对于精确的定位障碍物有很大的作用。关键技术附上代码的同时还有标定图片，只需要修改一下图片存取的路径即可使用，特别适合初学者学习和使用。本标定采用opencv内置函数，基于张正友的算法思想。基于opencv1.0和vc6.0写成。

实现图像形态学变换，包括腐蚀、膨胀、开、闭、细化处理，代码运行通过

在BV-工具是用于加载图形用户界面，操作和保存图像。该工具提供了多种过滤器，分割算法 CSC，拆分和-合并，递归分割直方图）等

通常情况下滤波会导致图像细节信息模糊化，从而造成信息损失，如何在实现平滑滤波的同时又能够保留边缘细节信息，在图像分割前具有重要意义，该程序通过扇区划分，避免了通常的矩形区域划分缺陷，滤波效果很好。

该代码通过调用windows gdi函数获取系统画图句柄来截取屏幕。 希望对vfp爱好者有所帮助。

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

基于Bayesian框架的背景建模算法和相关论文，这中算法的性能要优于混合高斯建模和其它背景建模算法。可用于复杂背景下目标检测和跟踪。

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

/************************************************************************* 上创建的文件: 2002年/08/30 19:33 文件名： Bmp.cpp 作者： 安德烈亚斯 · 哈特尔 访问 http://www.runicsoft.com 的更新和更多的信息 目的： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

利用均值濾波、形態學運算、canny找邊緣來切割血管，医学图像处理是图像处理领域中的重点与难点问题之一。随着数字图像处理技术的快速发展,借助电子计算机等辅助手段,医学图像的提取方法以及图像质量都得到极大的提高。眼底视网膜图像是人体唯一可以非创伤直接观察的较深层微血管,对视网膜血管的分析研究有助于疾病的精确诊断。然而,由于视网膜血管图像的灰度分布不均匀,目标血管与图像背景的对比度低,再加上图像噪声的污染,使视网膜血管的自动分割非常困难。所以,通过建立眼底视网膜图像的计算机辅助分析系统,对眼底视网膜组织进行定量分析与定性检测,对临床眼科学的病理诊断具有非常重要的意义。本课题在查阅大量数字图像处理的文献基础之上,结合DRIVE眼底视网膜图像数据库模型,通过分析不同图像分割算法的特性,对眼底视网膜血管图像进行了分割实验与对比分析,主要过程如下：1.对视网膜图像预处理。通过分析RGB彩色系统模型,对各通道的视网膜图像进行对比度比较。掌握数字图像处理的基本操作方法