粒子跟踪

EmguCV的官方网站上的例子中，有SURF算法的实现，其实现的时候利用的GPU的加速，看着比较复杂。此外，官网上例子的实现并没有做界面，看着不舒服，加载图片也不是很方便，因此，为了学习，我将官网上的例子进行了修改，去掉了GPU加速的部分，然后在做了显示界面，操作起来更友好些。 我是在Vs2012下使用2.9Alpha版本的EmgucV做的。 窗体上有两个PictureBox控件，一个用来显示待匹配的源图像，一个用来显示匹配的目标图像。然后相对应的有三个Button控件，第一个用来打开源图像，第二个用来打开目标图像，第三个用来匹配，当点击第三个Button控件实现匹配，匹配的图像显示在新的窗体上，新的窗体很简单，就一个窗体.

本代码是关于交通灯的检测与识别，可以检测并识别红色交通灯，通过把RGB图像转换成HSV图像，分割出红色信号灯，然后根据圆形度去除过大或过小的干扰区域，最后在原图像上显示检测出的红色交通灯。本代码同样可以检测和识别绿色以及黄色交通灯，只需修改HSV图像的取值范围。

摘要：故障诊断起着物理的重要作用 故障分析与产量的学习过程。随着数百亿 晶体管被集成在一个芯片上，多个故障可能 存在的。随着多个故障，故障屏蔽和加固效果 可能会出现。它们可能会导致基于单故障常规 诊断方法，如在一个时刻的单个位置（SLAT） 为无效。如果没有流行的SLAT方法失败 够SLAT图案可以由单个stuckat说明 故障。此外，一个真正的硅缺陷可能表现为不同 故障在不同的故障模式模型（DM），它可 无效使用单故障模型的方法SLAT 在所有失败的模式。在本文中，我们介绍的概念 故障元件，支持多种故障模型，并使用faultelement 图（FEG）考虑故障屏蔽和加固 多故障之间的影响。基于所有失败的FEGs 模式，最有可能的故障位置和故障的因素 被反复识别。同时，FEGs是迭代地 修剪跟踪的其余多个故障的影响，直到 所有的故障点被确定，所有的FEGs减少 为null。实验表明，该诊断 方法可以识别，即使在​​多个故障的位置 DM具有较高的诊断精度和分辨率。 关键词：故障诊断，故障元件，故障元件 图（FEG），多种故障模式，多重故障。

FreeImage [1]是一款免费的、开源的、跨平台（Windows 、Linux 和Mac OS X ）的，支持20 多种图像类型的（如BMP 、JPEG 、GIF 、PNG 、TIFF 等）图像处理库。其最大优点就是采用插件驱动型架构，具有快速、灵活、简单易用的特点，得到了广泛使用。 FreeImage 的主要功能有多格式位图的读写；方便的位图信息获取；位深度转换；位图页面访问；基本的几何变换和点处理；通道合并与混合等。FreeImage 暂时不支持矢量图形和高级图像处理，位图绘制需要由用户来完成。 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 打分 发表评论 暂无评论

基于retinex理论的图像去雾代码。本代码实现基于Retinex理论的三种方法，分别为单尺度Retinex，多尺度Retinex，以及自商图像方法。直接运行每个文件夹下的test文件就可以得到对应的方法的处理结果。

冈萨雷斯数字图像处理matlab版源代码,经典中的经典，不用多介绍了吧，分享给大家。

视频序列中运动物体的检测，非常灵敏，值得一看！利用的是帧间差的方法，测试了几段视频，效果真的不错，实时性很强。

光的原色是添加剂原色 arered、 绿色和蓝色结合红色 + 绿色 + 蓝色白色的产量颜料的原色是消减原色 arecyan、 洋红色和黄色结合黑青色 + 黄色、 洋红色产量色相定义为视角0 度，是红色120 度是绿色的240 度是蓝色饱和度被指从恒指三角形的中心到金字塔表面的距离的百分比。值的范围从 0to 1。强度被指作为"up"从黑色轴的距离。值的范围从 0to 1

此化学需氧量检测并跟踪光学标记。通过该算法首先导入视频，使用 adabtive thershohld 探测和跟踪多标记。

对图像进行去噪处理，运用小波变换将其进行四层分解，进行小波变换可以将图像的高频和低频分量，分离出来，高频分量里又包含了大量的纹理特征信息，通过对图像进行小波变换提取图像特征量的均值和方差，作为图像的纹理特征