opencv图像倾斜校正

大家好好利用，共同学习，里面的代码是在vs2013+opencv3.2环境下调试成功的，其他的版本也能用，只要版本别太低，运行的时候记得加载初始yml文件，这是很关键的一步，当然也可以用自己的摄像头进行测试，若有问题可以给我发邮件

这是一段应用于opencv2.0以上版本，调用USB摄像头的源码。

基于VC++平台，利用opencv的库函数，对双目摄像机的采集图像进行特征点匹配。 匹配算法为经典的SIFT算法，利用图像尺度金字塔提取特征点，效果稳定。

在很多动作大片中，开启关键之门的密码都是人脸———通过摄像头扫描脸部特征，符合则自动开启大门，反之警铃大作。依次通过人脸检测、人脸对齐、人脸识别三个模块，才能完成验证。人脸支付存在的一大问题就是识别率不高，完美光线下识别率能达到90%，特殊光影下只有60%。以淘宝为例，每天上亿的交易量，即便是99.99%也是远远不够的。

通过QT5和openCV实现了同时读取两个摄像头

这是一个C/C++的程序，利用opencv库实现retina特征点检测，对于学习opencv的人有很大帮助，解压后可直接运行

本代码是对FCM模糊C聚类算法的实现，以实现对灰度图像的分割。利用opencv，VS2008编程实现。需要预先手动设置图像的长和宽、聚类中心的个数。可以得到较好的分割结果。

基于Opencv的红外运动目标识别与跟踪，内附红外演示与源代码。对红外视频图像中运动目标的检测问题,提出了一种以OpenCV为平台,以背景差分法为基础的运动目标检测算法,在传统检测方法基础上进行了改进,使用该算法不需要进行背景初始化,能直接检测运动目标,并有效抑制了虚警。利用OpenCV提供的函数库在Visual Studio 2008平台上编程实现。实验结果表明,该方法具有目标跟踪快、检测概率高、实时性好等特点。

实现OpenCV、OpenGL、VS2008混合编程，输入校正后的图像对，使用立体匹配算法计算其视差图，最后用OpenGL进行三维重建

SIFT/SURF基于灰度图， 一、首先建立图像金字塔，形成三维的图像空间，通过Hessian矩阵获取每一层的局部极大值，然后进行在极值点周围26个点进行NMS，从而得到粗略的特征点，再使用二次插值法得到精确特征点所在的层（尺度），即完成了尺度不变。   二、在特征点选取一个与尺度相应的邻域，求出主方向，其中SIFT采用在一个正方形邻域内统计所有点的梯度方向，找到占80%以上的方向作为主方向；而SURF则选择圆形邻域，并且使用活动扇形的方法求出特征点主方向，以主方向对齐即完成旋转不变。   三、以主方向为轴可以在每个特征点建立坐标，SIFT在特征点选择一块大小与尺度相应的方形区域，分成16块，统计每一块沿着八个方向占的比例，于是特征点形成了128维特征向量，对图像进行归一化则完成强度不变；而SURF分成64块，统计每一块的dx，dy，|dx|，|dy|的累积和，同样形成128维向量，再进行归一化则完成了对比度不变与强度不变。