实时视频处理

动态物体处于一个已知位置信息，然后开始移动，基于相机传感器采集的信息，物体可以进行实时动态定位。该算法是基于粒子滤波的原理实现的，可以在框架基础上进行扩展。

帧差法的源代码，为c++语言编写，属于图像处理类，并用最新 Mat格式 编写。 帧差法就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。 首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时， 可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。

ＭＦＣ多文档＋ＯＰＥＮＣＶ１实现各种基础的图像处理算法，提供一个统一框架，可以再增加功能

实现运动模糊方向和运动模糊长度参数估计的方法。其中，方向估计用的是差分法，长度估计用的是频域的暗条纹方法。

实现基本的直方图，阈值分割，形态学滤波，边界分割，利用傅里叶描绘子实现1/4,1/8,1/16边界重建。

分析图像、物体和视频信息过程，我们常把看到的物体用直方图（histogram）表示，直方图可以用来描述各种不同的事情，如物体的色彩分布、物体边缘梯度模板，以及表示目标位置的概率分布。直方图广泛应用在计算机视觉应用中，简单说，直方图就是对数据进行统计，将统计值组织到一系列事先定义好的bin中，bin中的数值是从数据中计算出的统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。直方图获得的是数据分布的统计图。 cvCvtPixToPlane openCV里面的一个函数 可以看作cvSplit是他的宏：  

图像处理比较全面的算法，包括图像的读取和显示，图像的点运算，旋转，与或非，边缘提取等等，自编

程式执行会出现两个视窗，一个是原始图像，一个检测后的图像。 检测后的图像上方有个拉霸，可以调整Min Threshold。 Canny Edge Detector演算法的步骤： 1. 用高斯滤波器平滑图像（在调用Canny之前自己用blur平滑） 2. 用一阶偏导的有限差分来计算梯度的幅值和方向 3. 对梯度幅值应用非极大值抑制 4. 用双阈值算法检测和连接边缘 关键函式： void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false )

基于块的梯度下降搜索算法块运动估计在视频编码 

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。