图像的仿射变换

NAO机器人，利用视觉，opencv，实现服务机器人的水位识别功能。图像处理，包括灰度变换，二值化，滤波，光流法，计算像素点高度，确定水位比例等。

简单的打开摄像头程序，经过验证可以打开。不能再opencv1.0版本。本人是在vs2012配置的opencv2.4.3环境。仅仅打开摄像头。

人脸的不同部位的灰度值是不同的，根据灰度值的比重，通过直方图分析确定人脸的各个部位的灰度值的取值范围，达到识别人脸的作用。

用c和opencv实现，动态手势识别用的是hmm算法，里面有完整的HMM的实现，并实现了上下左右圆圈五种手势的识别。对于学习hmm有很大的帮助

开源的软引擎-Gouraud着色实现DirectX源码。                                                                                                                       、

该源代码可以实现视频的加权融合，融合的加权比重可以自己设定。当然，本压缩包没有相应的视频，需要打击自己载入两个视频，并且把位置自己重新设定

在这里，我用小波算法的图像压缩利用小波工具箱MATLAB中。该算法背后的基本思想是滤波器组理论。小波函数的排序是哈尔。

混合高斯模型背景建模实现的运动前景提取(MixGaussExtractForeground)，VS2008+OPENCV实现工程，可以使用，简单方便易懂，注释清晰，i附带测试视频，是学习混合高斯模型背景建模和运动检测的好东西。

图像识别与处理代码，文档形式，可以直接拷贝粘贴使用从输入到预处理到输出 都有注释 非常详细的程序代码

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。