度申USB2.0相机示例程序

代码是谢凤英数字图像出来的demo,对于学习数字图像出来的同学来说是个很好的demo,其完整性，可移植性都很不错！

模拟。

代码运用了canny算子，有效地提取自然图像的轮廓。任何边缘检测 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

基于Opencv实现的图像纠偏算法，使用的是边缘检测。先进行图像二值化，在进行黑边裁剪，最后进行纠偏旋转。

用于图像处理中的图像预处理，是视频图像处理中必要的基础步骤。从图像的第一个像素点开始依行遍历全部像素，在每个像素点上，移动结构元素B的映射的中心与其重合，然后判断此位置的结构元素是否有对A集合的覆盖，如果有，则保留这个点，否则对此点取反（按照如下的符号约定，即将改点灰度值设置为0）。

实习说明 本实习将在所学数字图像处理理论的基础上进行实践教学，分为两个部分:（一）基础实习，要求学生必做；（二）综合性实习，学生可以自主选择其中的某一单元进行训练。 实习项目及时间分配 （一）基础实习（必做）：位图文件读取、显示和存储 1、学时分配：1周

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

不用系统的拍摄界面  自己定义拍摄显示大小 可实时显示拍摄到的画面   保存文件

资源描述实现的adaboost训练分类器详细过程，可配合adaboost算法实现一起使用

自己图像处理课程的代码。 包括位图的打开、显示以及常用的图像处理算法实现。 比如DCT变换以及逆变换、各种滤波方法以及锐化方法。 最后还添加了一个简单的验证码识别算法。利用垂直投影实现。