H264编解码，压缩域处理

Salvi教授提供的MATLAB第三方SLAM工具箱：Matlab Toolbox of Kalman Filtering applied to Simultaneous Localization and Mapping Vehicle moving in 1D, 2D and 3D.

这是一套简单的能动态、自动识别图片中信息的代码。它基于Labview的NI Vision（视觉与运动）模块，可以调用USB摄像头或笔记本摄像头获取原图，然后选中原图中的信息作为模板进行学习。学习完成后再用摄像头拍摄，Labview将自动框选中要匹配的信息。

资源描述使用vs+C++，opencv2.4.9在windows平台上的运动目标检测追踪代码

语法： BiorthogonalWavelets(imageStr,iter,cf) ；(*) %Biorthogonalwavelets(imagestr,iter,cf,"cdf",l,lt); %Biorthogonalwavelets(imagestr,iter,cf,"spline",n,nt); %Biorthogonalwavelets(imagestr,iter,cf,h,ht,g,gt,inds_h,inds_ht,inds_g,inds_gt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,"CDF",l,lt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,"spline",N,Nt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,h,ht,g,gt,inds_h,inds_ht,inds_g,inds_gt); % 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

实现图片的水平镜像和垂直镜像

经过改进后，画面刷新速度大大加快，绝对看不到任何的“扫描线”，帧数也从5帧一下就提高到了9帧，几乎是两倍于前的速度。这究竟是什么原因呢？让我来讲述其中的道理。因为圆是要一个一个画上去，所以每画一个圆，系统就要做一次图形的绘制操作，图形的重绘是很占用资源的，当需要重绘的图形数量很多的时候，所造成的系统开销就特别大，造成我们看到的那种刷新缓慢的情况。那么如何来解决这个问题呢？答案就是双缓冲，何谓“双缓冲”？它的基本原理就是：先在内存中开辟一块虚拟画布，然后将所有需要画的图形先画在这块“虚拟画布”上，最后在一次性将整块画布画到真正的窗体上。因为所有的单个图形的绘制都不是真正的调用显示系统来“画”，所以不会占用显示系统的开销，极大的提高的绘图效率。

于仕琪翻译的OPENCV 学习，1-9章主要算法的VC实现，我已经调试OK，对于初学者有很高的参考价值。总共近50个算法的实现，非常超值！所有的例子调试合格，适合初学者在OpenCV中学习。欢迎与我讨论。

依次读取指定文件内的图像，并对其进行特征点检测和提取，最终进行匹配。图像的检测、提取和匹配都分别以两种方法完成。一种方法参数为指针，图像特征点的检测和提取在opencv中可一步完成，另一种方法参数为向量，特征点检测提取分步执行。故以此为基础的特征匹配在opencv中也有两种实现方法。该算法对两种不同参数类型的方法进行测试，比较其耗时并记录测试信息

为了分析图像通常我们必须减少图像的大小，所以，我们可能会在一个特定的大小的框架中处理它。这种编程发展到 o 数字图像缩小通过减少从帧的像素的数目。

此代码是由RGB转换为标准的RGB空间的算法，此代码基于opencv与c++语言，标准的rgb是指各通道的值除上三个通道之和，得到的标准rgb空间对光线的敏感性大大减小，对于跟光照有关的图像处理领域有很大的帮助。