opencv 示例

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。

camshift目标追踪，对目标进行跟踪，并根据目标的大小对目标进行调节跟踪窗口，跟踪效果比较好，没有bug,是本人做实验编写的代码。

SVM 分类器 很好用的 可以用在图像处理中 使用的是c++ 基于opencv的 

基于暗原色先验的去雾算法，效果不错，包含完整的源代码程序，并附有实验结果图。可以成功编译并运行，速度较快。使用Opencv结合C++语言实现的。

如图 1 所示，I 为待修复图像，Ω为待修复区域，其边界为 ∂Ω ，Φ为待修复图像的已知区域。Criminisi 算法的思想就是在边界 ∂Ω 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

DM6437 上的自动对焦算法实现，包括 图像清晰度评价函数 梯度平方算法实现，改进了爬山搜索算法，使之对焦可以更快，DM6437 定时器初始化，DM6437的启动程序，本程序可在 达盛 EL-6437平台上直接运行。

可以使用MATLAB将多幅图像或屏幕截图转换为avi图像，简单实用捕获的图像文件在您的计算机或互联网:如果例如IMAGE_URL = = c:。png”那么这个形象用于捕获的视频源。当然,这只会让的感觉如果在捕获过程中文件更改的内容。你也可以使用一个图像url等来捕获网络摄像头或气象卫星图像。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

利用C语言对图像进行加噪处理 （椒盐噪声），以及对图像进行边缘提取，检测。

通过sift算法提取图片的特征，然后用KD算法搜寻匹配特征，用RANSANC算法去除外点。计算单应矩阵H，变换浮动图像，插值计算，使用加权方式进行重叠区的融合。最后得到拼接图像，效果良好。