HOG特征可视化

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。

本代码可以实现对一张图像的Gabor滤波，并输出结果，需要配置opencv库，

本程序应用于双目视觉三维重构，利用的是稀疏点的匹配，本人配置是VS6++和opencv1.x,效果很好，本人亲测有用，希望给各位带来帮助。

可运行，虽是源码，但是非常便于学习。

//这是一个使用Opencv读取16bitTIFF图像的函数，使用与已知宽高的图像//注意需要在函数外部为图像分配内存，使用完毕后记得释放内存//参数：imagePathName 待读入的影像路径名 __in__//参数：subImage 保存读入数据的数组 __out__//返回值：成功返回true,失败返回false/*unsigned short* subImage = new unsigned short[subWidth * subHeight];memset(subImage, 0, subWidth * subHeight);read16bitTiffOpencv("2084_00.tif", subImage);......delete[] subImage;*/

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。

基于opencv的行人检测，基于HSC特征，使用SVM进行训练分类器，目前只能对图片使用

基于Opencv的图像处理脸识别/检测源码,，环境是visualstudio2013,opencv2.4.9.主要通过C++/C实现，希望对于研究人脸的识别有一定的帮助!

opencv边缘检测简单例子，采用sobel算子、canny算子、laplace算子。

SIFT/SURF基于灰度图， 一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。   二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向，找到占80%以上的方向作为主方向；而SURF则选择圆形邻域，并且使用活动扇形的方法求出特征点主方向，以主方向对齐即完成旋转不变。   三、以主方向为轴可以在每个特征点建立坐标，SIFT在特征点选择一块大小与尺度相应的方形区域，分成16块，统计每一块沿着八个方向占的比例，于是特征点形成了128维特征向量，对图像进行归一化则完成强度不变；而SURF分成64块，统计每一块的dx，dy，|dx|，|dy|的累积和，同样形成128维向量，再进行归一化则完成了对比度不变与强度不变。