基于opencv2.3.1+Haar特征分类器人脸识别

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。

资源描述运用vs2010作为开发平台，通过opencv库进行彩色目标识别的设计。给出了彩色目标识别的算法设计，并实现了对指定的彩色目标的跟踪识别。

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。

本资源是将DICOM格式的CT图用VTK读取，转给OpenCV处理并可视化。当中的操作比普通的图片显示要更困难（可看我的博文了解）。本程序只要配置好OpenCV和VTK环境即可成功运行，使用简单方便。

vibe+算法是vibe的改进型算法，通过不同距离的函数和设置阈值准则，前背景分离是在更新和输出掩码之间，采用过的方法对传播进行抑制，从而消除ghost区域，在更新掩码时，增加闪烁检测程序，最后在增加一个更新因子，从而提高程序的鲁棒性。

使用Opencv实现张正友法相机标定之前，有几个问题事先要确认一下，那就是相机为什么需要标定，标定需要的输入和输出分别是哪些？ 相机标定的目的：获取摄像机的内参和外参矩阵（同时也会得到每一幅标定图像的选择和平移矩阵），内参和外参系数可以对之后相机拍摄的图像就进行矫正，得到畸变相对很小的图像。 相机标定的输入：标定图像上所有内角点的图像坐标，标定板图像上所有内角点的空间三维坐标（一般情况下假定图像位于Z=0平面上）。 相机标定的输出：摄像机的内参、外参系数。 这三个基础的问题就决定了使用Opencv实现张正友法标定相机的标定流程、标定结果评价以及使用标定结果矫正原始图像的完整流程： 1. 准备标定图片 2. 对每一张标定图片，提取角点信息 3. 对每一张标定图片，进一步提取亚像素角

漫水填充算法的实现，例子比较详细，可供参考

基于opencv的相位相关法，实现将图像从空域转换到频域，计算图像间平移参数，进而用于图像间配准，效果不错

可以追踪运动物体的图像  在窗口展现出来

基于opencv2.4.10，运用vs2010c++进行代码编译，用mfc搭建演示界面，利用opencv自带的人脸检测分类器可以有效的检测出当前视频中的人脸并保存图片。若训练好人脸数据库还可以进行人脸匹配。