基于matlab的图像处理小程序

资源描述采用颜色直方图作为特征的粒子滤波算法和卡尔曼滤波算法

资源描述使用c代码实现的联通区域标记，要求输入的是1和0的二值图像，然后使用堆栈方法标记出连通区域的个数，每个亮值点都标记出所属的联通区域标号，可以统计面积和筛选等。

资源描述 包括详细教程和例程： 【多媒体封装格式详解】---MKV【1】 【多媒体封装格式详解】---MKV【2】 【多媒体封装格式详解】---MKV【3】

纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,纯c代码的MP4编解码,

opencv 特征跟踪，可以有效进行特征提取如：线，面等特征，并且可以跟踪特征。是进行opencv基础学习的较好历程，希望能对大家有用。

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

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。

利用主动轮廓线算法和TV模型进行图像处理！ 对应于文献：Fast Global Minimization of the Active Contour/Snake Model

本程序实现Aero效果，具体的效果看程序运行的结果，这样的程序是知道一看的哦。你说是不是？

待纠正的影像和参考影像，通过获取同名点坐标，解算多项式纠正系数。然后通过多项式纠正带畸变的影像，得到无几何畸变的影像。the program designs for rectifying the image with reference image