视频检测轮廓提取

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

目前解决去噪问题，最优的一种方法之一，BM3D，三维块匹配(BM3D)算法：它首先把图像分成一定大小的块，根据图像块之间的相似性，把具有相似结构的二维图像块组合在一起形成三维数组，然后用联合滤波的方法对这些三维数组进行处理，最后，通过逆变换，把处理后的结果返回到原图像中，从而得到去噪后的图像。该方法确实有效，它不仅有一个较高的信噪比，而且视觉效果也很好。

包括了频率突变检测简单程序，微分突变点程序，利用小波分析进行消除噪声污染，小波消噪和傅里叶变换消噪的简单的对比程序，在低频信号上观察斜坡信号的趋势简单程序，对某一低频信号进行抑制和增强的简单程序，图像平滑、增强、融合的简单程序。这个压缩包里包括了小波分析的基本上所有的简单程序。

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。

  图像反转, 自己编写的程序，已经经过难证，程序能够运行出正确的结果，希望对各位有帮助。  

本资源是robhess的SIFT检测特征源码，里面包括使用robhess封装好的各个类库以及示例源码，对于初学者和有一定经验者都很有帮助，我就是从这个源码开始学习的

本代码使用直方图均衡对图像进行处理，压缩包里有自带的测试图片，效果很好，图像明显变亮

此源码能够对图像进行多种处理：边缘检测，点处理，灰度拉伸，图像增强，harris角点检测等。有candy，sobel，robert等算子的算法实现，有很多注释，特别适合初学者学习

应用背景meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。关键技术首先设置好参数，然后用函数pyrMeanShiftFiltering()对输入的图像进行分割。分割后的结果保存在该函数的第二个参数即输出图像中，最后根据该分割图像的特点用floodFill()函数对其分割的结果用不同的颜色进行填充。当然该函数的使用暂时没有彻底的弄清楚。

opencv 图像处理  各种图像处理算法   基于opencv vs2010  亲测有用  适合毕业设计   本科高年级   研究生