简单的数字识别

   本程序运用haar特征adaboost算法进行人脸检测。 OpenCV 的人脸检测主要是调用训练好的

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。                                                                                                                                  

它是一种算术编码。它用于获取标记值，我们可以从中发送文本。它在压缩技术中的应用

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

应用背景这个应用程序有助于编辑你的背景，你的任何图片，并保持透明度，只有少数几个，点击。关键技术我的照片编辑应用程序中使用MFC编辑你的照片有效就像你想要什么

通过QT和opencv,在window下使用混合高斯模型读取本地视频，使用高斯混合模型进行背景建模。在新的opencv2.31中的混合高斯混合模型中集成了阴影处理。

边缘检测是图像处理和计算机视觉 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

K均值图像分割，读入彩色图片，输出区域分割后的图片-K-means image segmentation, read full-color photographs, the output image after the region segmentation

资源描述局部二值模式（LBP）是一种提取纹理特征的算法。该程序是在原始LBP模式的基础上，改进得到的旋转不变均匀模式的LBP特征。

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。