基于opencv的人脸表情识别

这个程序用来查找有些不规则的图像，找出不规则图像的质心，需要用到opencv的库支持。

在对视频文件或者多序列图片批量进行边缘检测时，可利用该方法。该方法主要借助于VC++和OpenCV环境进行实现。算法主要包括两方面：一是对视频文件帧的获取，二是通过Candy算法对获取的帧进行边缘提取。（注：avi文件过大，运行代码时用户可自行添加）

对于图像的每一个像素，都可以找到一个可以逼近该像素及其邻域像素灰度值的函数，这种逼近方法叫做小面模型。实现了Haralick小面模型，实现对图像边缘的提取，

应用背景 读入图像，检测图像中的行人。opencv2.4+vs2010 关键技术opencv,vc++，行人检测。读入图像，对训练的库模板进行匹配，分类识别，给出识别结果矩形框。

输入一张图片，判断是不是人脸，如果是则标出范围。环境： vs2013 + opencv3.0

// // void main( --> int main(  // // #include "cxcore.h" #include "highgui.h" #include "ml.h" int main( int argc, char** argv ) {     float priors[] = { 1.0, 10.0}; // Edibl

这个例子展示了如何使用相结合的形态学的基本算子和Blob分析从视频流提取信息。在这种情况下，例数在每个视频帧的大肠杆菌数。

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

这个 Matlab 模型实现"主动轮廓没有边缘模型"。这是在塑造形象，噪图像和大脑图像的黑白 rendom 中测试。

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