使用离散余弦变换给定图像的压缩

应用背景利用配置好opencv2.4.9的VS2008实现SIFT变换的完整的一个DEMO关键技术数字图像处理中图像特征提取技术，两幅图像的匹配问题

matlab小波提取纹理特征，进行Gabor小波滤波进行纹理特征提取，一副图像经过小波变换为HH、HL、LH、LL四个子带，再使用这些子带进行特征提取，进行识别

应用背景局部色彩校正胡安加布里埃尔萨拉斯若泽路易斯lisani Gomila，胡安加布里埃尔Gomila  ；胡安。加布里埃尔@我。COM  ；巴利阿里群岛的大学（UIB）José路易斯lisani罗卡 ；JoseLuis。lisani @ UIB。ES  ；巴利阿里群岛的大学（UIB）关键技术在本文中，通过 ；颜色校正 ；技术我们指的方法，使数字图像的对比度。当图像太暗或过亮的一个经典的伽玛校正是足以增加动态范围和提高对比度。

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。

本程序和摄像头配合能测出前方障碍物距离，是一个很好的测距工具-With the procedures and camera can detect obstacles in front of the distance is a good distance tool

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

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

这个主要是是在VC++6.0下运行的，在MFC对话框下显示一副灰度图像，可已将灰度图像显示在相应的图片控件上，并且实现灰度空间转换。希望能帮助大家，谢谢！！

经过改进后，画面刷新速度大大加快，绝对看不到任何的“扫描线”，帧数也从5帧一下就提高到了9帧，几乎是两倍于前的速度。这究竟是什么原因呢？让我来讲述其中的道理。因为圆是要一个一个画上去，所以每画一个圆，系统就要做一次图形的绘制操作，图形的重绘是很占用资源的，当需要重绘的图形数量很多的时候，所造成的系统开销就特别大，造成我们看到的那种刷新缓慢的情况。那么如何来解决这个问题呢？答案就是双缓冲，何谓“双缓冲”？它的基本原理就是：先在内存中开辟一块虚拟画布，然后将所有需要画的图形先画在这块“虚拟画布”上，最后在一次性将整块画布画到真正的窗体上。因为所有的单个图形的绘制都不是真正的调用显示系统来“画”，所以不会占用显示系统的开销，极大的提高的绘图效率。

应用背景 VS是2010的，网上寻找教程配置opencv和HALCON，然后运行程序，就可以根据按钮进行颜色提取，最后输出阈值，就可以在程序中进行运用。关键技术 使用mfc编写用户交互界面，然后对RGB颜色进行颜色通道分离，最后判断得出阈值，而且HSI空间对亮度的敏感度很小。