边缘检测

此源代码被实施，以检测手，这样做是为了手势的手，手掌中心，

该源码是一个相机标定的源码包，能够完成立体视觉中单目和双目摄像机的标定，本源码包内包含多个GUI源码，可以完成多个试验，如角点检测等

基于模板的匹配。主要是利用种子模板的方法，对一幅图像进行检测。适合新手学习，望高手绕道。

本系统使用的硬件是天敏VC4000监控卡，其中使用了MPG4c32.dll、MediaTransmit.dll、MediaTransmit.lib、MediaTransmit.h、Sa7134Capture.dll、

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

C++实现了图像处理的腐蚀和膨胀算法。MFC工程实现，工程配有效果图，可直接使用。

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。

通过电脑摄像头采集原始图像，调用opencv进行前景背景处理后，调用手势分析算法来对其进行识别，最后将合成的结果反馈到窗口上，达到实时识别

C#中绘图主要使用GDI+，其效率比传统的GDI低，但C#中已经的库中又不包含传统的GDI函数，本程序将windows api中的绘图部分重新引用封装，达到在C#中使用GDI的功能，提高了绘图的效率。

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。