Kinect信息采集系统

这个项目会给你点在哪里 u 将鼠标光标放在 HSV 值。它是使用 opencv 2.4.9 和 visual studio 2010 实现

openmv下HAARD cascade二进制文件制作脚本。可以用来将训练的结果.xml文件转换为二进制文件。需要注意的是脚本需要在python2.7环境下使用，如果在python3下，可能因为numpy的版本过高而产生异常。压缩包中有一个cars.xml，以及转换为二进制后的文件cars.cascade.

数字图像处理c#基础学习详细资料，分模块详细教学，适合初学者学习。包含源代码，可直接运行，适宜c#下的编程操作。数字图像处理，妈妈再也不用担心我的学习。来自书籍。希望共享能够为大家带来学习数字图像处理的便利。包含源码以及各自的运行结果等。共计十五章节内容～～～

利用简单的命令对图片进行剪裁，这个可以用鼠标选择自己想要留下的图片区域，不需要计算目标图片的灰度值或坐标范围，仅仅用鼠标选择目标区域进行剪裁就可以得到自己想要的图片，然后保存。

利用OPEN CV 在VC上实现图像的亮度和对比度的调整，可以实现图像的不同亮度和对比度的调整和图像的显示。

在场景图像上通过模板匹配技术，找到与之匹配的精确定位位置，程序中对于每个模板分别给出了最后的目标定位位置坐标，默认左下角的坐标为（0,0），得到偏差

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

关于全息图的相位解包裹，对于图像的解相位和包裹有很大的帮组.这个基于C++的代码，希望有关这个方面的研究者有用处！！！谢谢大家的支持

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

根据形态学变化来找背景和前景，二值化，然后找contour，随后找出每个细胞的原点坐标。 Mat blur_img = orit.clone();    cv::GaussianBlur(orit, blur_img, cv::Size(5,5),1.5);    for (int i = 0; i < 0; ++i)    {        cv::GaussianBlur(blur_img, blur_img, cv::Size(5,5),1.5);    }    showim(blur_img, "blur");    cv::Mat back_img, fore_img;    cv::Mat element(7,7,CV_8U,cv::Scalar(1)); 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