yuv视频转bmp图像

资源描述这是一个delphi编写的摄像头程序，可以直接运行。程序中包含获取摄像头图像代码，可以录像，保存录像，保存为图像等。

颜色反卷积对执行组织病理学图像，然后阈值它使用 ostus 方法。最后确定的边界...

该段代码是verilog HDL 代码，为一个全加器，里面已经将其有源代码，及其仿真的效果，波形等等。可以用quartus II打开，或者进行下载到FPGA开发板上去。

这是兴趣的该算法在图像处理与最佳的质量。 事情算法的图像增强提高我们的形象。

基于opencv的人脸识别，haar-like快速计算，可检测人脸与眼睛 。对应opencv2.0函数，visualstdio2010编程。可同时检测多个人脸与眼部。

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享

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。

 采用空间分集的方法可以有效地对抗无线信道中的衰落. 由于受到体积 、 重量 、 成本等因素的限制 ,在 无线通信系统的用户终端上实现多天线技术较为困难. 而在单天线的无线用户间通过协作 ,共享天线 ,可以实现虚拟 的多天线. 低密度奇偶校验 (LDPC) 编码是一种性能优良的线性分组码 ,利用其码字内码元间固有的相关性 ,通过不同 的用户发送码字的不同部分 ,可以实现虚拟的多发送天线 ,获得发送分集增益 ,在不增加系统带宽和发射功率 、 系统复 杂度也不会明显增加的情况下能显著地提高系统性能

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。

对avi视频，奖每一帧抽取出来变成担负图像，存储的图像时bmp格式，软件已经是过多次，非常好用，请下载使用