分割线与单词

对一张不规则四边形区域的图像，进行双线性近似插值，还原图像到矩形区域。透视变换：设置要转变前4个点和目标的四个点，生成透视矩阵；基于透视矩阵将原始图像进行透视转换

可以把多张图像的BMP格式转换成YUV格式，已经调试通过，下载后只需修改路径。代码有详细注释

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

Otsu in opencv Otsu in opencv Otsu in opencv Otsu in opencv Otsu in opencv

运用hog特征提取算法提取物体的特征然后运用svm分类器进行分类。里面有详细的步骤，几乎每行都有代码注释，方便看，且思路清晰，经本人调试后运行成功。

水效应

资源描述这里在VS2010和opencv2.4.9的环境下编码的调取摄像头并对摄像头捕捉到的图像进行处理。第一步：初始化摄像头。第二步：设置图像属性。第三步：获取一帧图像》第四步：显示图像cvshowimage().第五步：保存图像。第六步：对图像进行阈值分割。第七步：对图像进行二值化处理.

KNN 分类器

修补是重建图像的损坏部位的过程。从2.4版本开始，OpenCV的支持修复中algorithm.The棘手的部分是获得图像修复掩模，这是一个二进制图象，其中非零像素表示的区域被inpainted。让面膜后，剩下的应该是easy.After让面膜，我们可以立即拨打inpaint（）inpaint功能。 FMM的工作原理：它是基于快速行进法。考虑图像中的一个区域的补画。从本地区的边界算法开始，去里面的区域逐渐首次填补一切的边界。它需要周围的邻居像素的小邻域被涂。该像素被替换的所有已知的像素邻域归一化加权和。选择的权重是一个重要的问题。更多的权重是给那些像素躺在附近的点，接近正常的边界以及那些趴在边界轮廓。一旦一个像素是我画的，它移动到使用快速行进方法旁边最近的像素。 FMM确保邻近的已知像素的那些像素被首先inpainted，以便它只是像一个手动启发式操作。该算法通过使用该标志，INPAINT_TELEA启用。

 利用MATLAB 提供的Image  I/O 函数分别完成以下处理： (a) 以测试图像的中心为圆心，图像的长和宽中较小值的一半为半径画一个红颜色的圆； (b)