人脸特征点检测

OpenCV与+VC及+DirectShow的编程,OpenCV与+VC及+DirectShow的编程OpenCV与+VC及+DirectShow的编程OpenCV与+VC及+DirectShow的编程

多目标跟踪源请添加 Skype: TreeScar 更多的信息，如果你想分享一些更多的源代码:)

关于harris兴趣点检测，兴趣点的检测和查找，包含头文件和源文件，角点检测部分可以参考。Opencv中用于实现harris角点检测的基本函数时，cv::cornerHarris使用方便，输出结果是浮点数类型的图像，每一项为对应位置的角点强度，之后可使用阈值化已得到一组检测到的角点。

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53]，后于1972年由Richard Duda和Peter Hart推广使用[54]，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

转自github上经典的小波变换检测模糊图像方法

基于KINECT2.0 与OPENCV的手势识别，可以有效的识别出简单的手势,实验的环境为KINECT2.0 +vs2013+Opencv2.4.9,有需要的同学可以自行下载修改，里面有详细的注释与实验的结果图。

使用Opencv实现张正友法相机标定之前，有几个问题事先要确认一下，那就是相机为什么需要标定，标定需要的输入和输出分别是哪些？ 相机标定的目的：获取摄像机的内参和外参矩阵（同时也会得到每一幅标定图像的选择和平移矩阵），内参和外参系数可以对之后相机拍摄的图像就进行矫正，得到畸变相对很小的图像。 相机标定的输入：标定图像上所有内角点的图像坐标，标定板图像上所有内角点的空间三维坐标（一般情况下假定图像位于Z=0平面上）。 相机标定的输出：摄像机的内参、外参系数。 这三个基础的问题就决定了使用Opencv实现张正友法标定相机的标定流程、标定结果评价以及使用标定结果矫正原始图像的完整流程： 1. 准备标定图片 2. 对每一张标定图片，提取角点信息 3. 对每一张标定图片，进一步提取亚像素角

Ubuntu下使用qt5.7.1+opencv3.2.0实现简易的图像处理界面设计

基于opencv的图像检索系统，输入待检索图像后，选择检索库路径并选择检索方式：基于颜色特征、基于形状特征或者基于颜色和形状综合特征点击【开始检索】按钮即可得到检索结果。

读取视频文件，平均值法获取初始背景，背景实时更新，背景差分获取车辆目标前景，形态学滤波进行噪声处理，边缘检测获取边缘前景，可针对具体帧进行hough线检测，能够统计视频帧数，且能够提取其中任何一帧。