opencv 图像处理

最近的背景差分法做了改进，感觉效果不错，传来希望对大家有帮助，在原先基础上对阈值进行了自适应处理，使得该方法能够更好的应对复杂环境下对运动目标的检测，排除了部分噪声对检测的影响，

是9s128飞思卡尔芯片的舵机代码，由于是较为早期的芯片，所以这代码都是要写代码底层的。

Features of the toolbox:  (1) The toolbox includes classic level-set methods such as geodesic active contours (GAC), Chan-Vese model and a hybrid model combining the boundary and regional terms.  (2) All the methods are implemented with the semi-implicit solver AOS which can

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享

我的任务是要熟悉图像和网格分割算法，使用代数拓扑。代数拓扑检查空间的拓扑由学习抽象的代数结构，而莫尔斯理论建构的空间顺序，注意到其拓扑结构的变化。坚持理论是什么使这些定量的方法之间的连接，通过将分配给每个拓扑功能其生命周期中由一步一步建筑空间。这种理论能够通过基于分水岭的方法主要被用于分割的目的。本质上，流域程序认为图像或网格被水淹了水，与湖泊沉积盆地新兴地形景观。随着水平的上升，从相邻盆地水域满足沿分水岭线，成型段边界。这通常会导致 oversegmentation，所以合并迈出的一步是必要的对于我们可以使用持久性理论。考虑的算法基于聚类的过程，由弗雷德里克 ·那个开发。人的 INRIA 沙克雷，法国 ；其中建立流域的方法，在附近区域图，并合并段鞍点的基础相应的地方 extrememum 与鞍点，即坚持的高度差异将召开会议。在灰度图像、 位图自己或它的梯度给出了图，而彩色图像映射到颜色空间，在哪里我们寻找的盆地中的点云密度极大的吸引力。三角网格模型通常要分割的一些近似的曲率。根据项目建议书只实现了图像的分割算法，在 c + + 语言。在灰度案例中，我得到有用的结果为合成和一些简单的自然图像。对于彩色图像，我是能够有效地再现的原创文章，结果，但该算法很难调，和性能优化是必要的为实际使用。三角网格模型，为我考虑过各种签名功能和基于持久性的分割算法，以及前瞻性的执行有关的潜在问题。

实现图象的平滑（去噪声），锐化。，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰

代码已经验证，可以运行，AdaBoost是基于灰度的人脸检测，这个程序正面人脸检测的效果较好。

图片选转,另外  ///         /// 任意角度旋转,正数顺时针旋转         ///         /// 原始图Bitmap         /// 旋转角度         /// 背景色         /// 输出Bitmap         public static Bitmap KiRotate(Bitmap bmp, float angle, Color bkColor)         {             int w = bmp.Width + 2;             int h = bmp.Height + 2;      &n

PCI桥芯片基于PCI9054，实时采集CMOS相机输出的LVDS信号并实时显示，经测试可用。

函数[Ncut]=graphcuts（I，pad，MAXVAL）