DirectShow 监测视频图像显示

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理

本程序在 VS2012+openCV2.4.9中，实现图像的连续读取，并将其存储到指定文件夹下，存储成.XML文件。这种文件格式包含了图像的数据，并以矩阵形式保存最原始的数据，以供进一步开发使用。本文代码，精炼实用，可以拿来直接使用不需要再进行任何更改，非常适用于初学者，或者急需此功能的程序员使用，欢迎广大同仁来阅！

《OpenCV教程——基础篇》北航出版社 ，文件包含本书所有光盘源代码。北航的虚拟现实实验室许多师生都在使用opencv，有相当多的经验，这书质量相当不错，简单易上手。附带的光盘中代码可靠性相当高，有些直接就是某些算法或问题的实现。本书可作为信息处理、计算机、机器人、人工智能、遥感图像处理、认知神经科学等有关专业的高年级学生或研究生的教学用书，也可供相关领域的研究工作者参考。

harris角点检测，改进版，改进传统检测的缺点。检测更准确，            速度更快。

基于增强主动视觉的人脸特征提取

医院的医疗影像系统，c++开发的，效果很好，比市面上用c#写的好，图像处理还是用c++做的好，处理性强，很有参考价值可用来二次开发很有用。

此代码主要描述的是对图像的预处理过程，包括对图像的灰度化、二值化、边缘检测，细化、高斯去噪、分割、平移、旋转以及归一化处理，能够将读入的数字图像进行处理，更好的模式识别提供特征提取。

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。

做图软件的设计，有各种图源的设计包括园/直线/点等各种做图元素的基本构型都有详细的做图代码 主要涉及简单的界面大合集，界面优化，人际交互设计。基本涵盖了基本做图软件的各种基本图形元素的构建，希望给读者一些帮助。