简单的背景差法实现车辆检测

该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题

利用vs2008在mfc框架下开发的可执行的图像处理案例程序，可以实现图像的开闭运算以及交互式操作，根据自己的要求还可以对图像进行扫描填充

相位相关算法进行图像处理，利用其计算图像间平移转换关系，得到图像间位置参数，从而是实现图像配准，还是比较准确

要将图像文件在磁盘上的保存为文件二进制文件使用 OpenCV 结构和 c + + 代码，此版本 es 降低的版本 1

基于opencv 2.4 ，运行需要配置opencv库。具体过程可参考网络配置教程。在程序目录文件夹下，输入2张图片，分别命名为，1.jpg    2.jpg   。运行程序，显示surf特征点。用于图像匹配。

利用帧差法识别视频中运动的物体。我采用的是利用二帧法，对于运动速度慢的物体效果也是非常好的，我一直i想进行模板匹配的，但是总是进行不好。还是希望有人能够跟我交流一下。希望有人能够喜欢，有什么问题在一起讨论

对图像进行滤波处理是图像处理中最常见的一种操作类型。而这其中低通滤波（也可以叫做平滑）有事各种滤波处理中最常用的。这里就简单写写 OpenCV 中提供的几种低通滤波方法。 具体思路：对源图像进行离散傅里叶变换，滤波后通过cvDFT进行傅里叶逆变换得到理想低通滤波器、巴特沃斯低通滤波器、高斯低通滤波器后图像

可以简单的实现运动目标检测,帧差法[18]又叫时间差分法，它通过将视频序列图像中的当前帧与相邻帧所对应的像素点的灰度值进行比较，然后找到差异，进而检测出运动目标,在视频序列图像中，相邻的图像之间具有连续性，当视频图像中有运动目标时，由于运动目标的运动，相邻图像间的像素点灰度值差别就会较大，相反，当视频图像中没有运动目标时，相邻图像间的像素点素灰度值差别就会较小，帧差法就是利用视频图像的这一特性进行检测的，它是运动目标检测的最简单方法。帧差法是先用相邻两帧做差分运算，然后做二值化处理，从而检测出运动目标。

VS2010+Opencv3.4.5开发环境搭建，以及缺失的四个dll，从www.dll-files.com 下载缺失四个64位的dll，注意要64位的。Opencv3.4.5只有64位的，电脑需要64位系统，VS也需要64位的环境。该实例包含了图像腐蚀、图像膨胀、边缘图像等图像处理。

本文的环境为opencv3.0+vs13，使用库函数简单的实现了背景差方法下的车辆检测。PS：但检测的效果并不理想，所以改用haar+adaboost的方法去做检测了，介绍里提及使用背景差实现了检测和跟踪，基本的思路都体现在注释里了较为简单，任何提高识别率的方法还不吝赐教！