MIRE_matlab_al

国外编的matlab人脸检测程序，检测效果非常高，而且还附有文章以帮助理解。

资源描述鱼眼图像矫正以及全景展开。本程序实现了对于鱼眼图像的标准化参数以及标定鱼眼中心坐标、半径，并且对于鱼眼图像进行矫正。最后，通过角度设置对鱼眼图像进行全景展开。具有很好的效果

应用背景背景主要为毕业设计，基于深度学习的车辆识别系统关键技术在深度学习中需要将大量图片转换为同样大小格式，此代码将大量图片转换为指定格式，在opencv2.4.9配置完成后即可直接使用，与上一篇内容衔接

Zxing编码解码,开源项目，详细描述编码规则及应用

采用肤色分割和气泡排序的方法跟踪手的质心。使用卡尔曼滤波改进了结果；

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

采用多个结构元素对图像进行开、闭、腐蚀、膨胀等操作，并进行了高帽变换、提取边界线、获取梯度、开重建等操作。

Bresenham画线算图形学中最基础的知识了，可惜我并没有选修过图形学，所有还是有必要熟悉一下。上一篇用到的画线函数应该算是数值微分法，也是我最常用的一种方法，不过这种方法似乎并不是很好。这里的画线方法比上一种方法好。算法原理如下：过各行各列象素中心构造一组虚拟网格线。按直线从起点到终点的顺序计算直线与各垂直网格线的交点，然后确定该列象素中与此交点最近的象素。该算法的巧妙之处在于采用增量计算，使得对于每一列，只要检查一个误差项的符号，就可以确定该

基于canny算子的原理编写的一个canny算子边缘检测程序，效果不太好，算法运算也很耗时，有懂的可以交流~

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。