自动选取阈值C++源代码

#include "stdafx.h"#include #include "windows.h"#include "fstream"#include using namespace std;using namespace cv;//为了方便，这一部分是利用提取HOG特征，SVM对图片进行分类。int _tmain(int argc, _TCHAR* argv[]){     vector img_path;////输入文件名变量       vector    img_cat;//category类型     int nLine=0; //定义行     string buf;     ifstream svm_data("C:UsersdellDesktopCharRegCharReghb1.txt");     //训练样本图片的路径都写在这个txt文件中使用bat批处理文件可以得到这个txt文件.      unsigned long n;      while (svm_data)  //将训练样本文件依次读取进来         {          if (getline(svm_data,buf))

基于canny算子的原理编写的一个canny算子边缘检测程序，效果不太好，算法运算也很耗时，有懂的可以交流~

资源描述应用matlab编写的canny边缘提取边界分割算子，很强大的边界提取算子，彩色图像的输入，如何你想要修改成为自己的图像，可以通过更改低通跟高通滤波的阈值来对自己的图像进行具体处理，真心很强大的程序，适合初学者的matlab程序

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

从网站上下载下来的程序，适合初学者阅读。其中自定义两个控件用于显示图片和灰度调节。导入的图片可以自动出现滚动轴，右侧鼠标拖动曲线调节，则左侧的图片自定显示灰度。另外还可以获取此时图片各个像素的灰度值。当然包括最基本的保存图片功能。自己是初学者，想和大家分享下，程序里的自定义控件还是做的挺好的。

这个 Matlab 模型实现"主动轮廓没有边缘模型"。这是在塑造形象，噪图像和大脑图像的黑白 rendom 中测试。

关于图像的对称的学习，使用的sift算法，有代码页有文章的介绍，很好用！

在静态背景的情况下，当摄像头前有运动目标时，通过静态背景帧差法能清晰的获得运动目标轮廓，效果非常好。

利用opencv和VC环境  对图像进行各种处理  包括预处理和分割等，编写一个MFC程序框架

对图像进行对数、指数灰度变换。对数变换扩展了低灰度区，压缩了高灰度区，能使低灰度区的图像较清晰地显示出来。而指数变换一般用于对图像的高灰度区给予较大扩展。源码包中给出了源码和要处理的图片，1、4两张分别为过亮过暗的图，经过相应变换都能得到较好的效果。