vc++简单绘图工具

形态学操作是最近才提出的新的方法，在matlab中有很好地运用，但是在opencv中函数明显不足，而且还有问题，可用性不高。本程序实现了c++环境中的多种形态学操作，如：开、闭、膨胀、腐蚀、骨化、细化等。可以说是很有用处的，已经调试，没有问题。

此项目检测来自diff catrs sadbabsdhs sdbnbdhsadb asdbabsdasbdasbd as a s as sa的牌照；

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0深度帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0深度图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，depth数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

大每一本OpenGL入门的书都会讲到OpenGL的Select模式，它采用一种方法使得可以获取当前鼠标点选的几何图形。简单的来说这种方式就是首先调 整Projection矩阵，使得你透过从鼠标点选附近的一个正方形（大小可设置）看到的世界。然后开始绘制，当每一次绘制的时候都会判断你会不会看到。 如果看到，那么，你就是选择了这个几何图形了。更为具体的过程可以参见相关的书籍。 http://hi.baidu.com/sishenfuhuo/blog/item/e98b852ef94013371e30892a.html2.在OpenGL红宝书中介绍了一种简便易行的办法:在后缓冲中 使用不同的颜色重绘所有对象,每个对象用一个单色来标示其颜色,这样画好之后我们读取鼠标所在点的颜色,就能够确定我们拣选了哪个物体。这种方法有一个缺 陷,当场景中需要选择的对象的数目超出一定限度时,可能会出现标识数的溢出。对于这个问题,红宝书给出的解决办法就是多次扫描。实践证明这种方法的确简便 易行,但仍有不少局限性,而且做起来并不比第一种机制方便多少。限于篇幅,不再赘述。

资源描述实现的adaboost训练分类器详细过程，可配合adaboost算法实现一起使用

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

自编的一个效果很好的边缘检测算法，里面一共有5个函数，可实现图像二值化，标记边界，获取质心等功能。用这个边缘检测算法比matlab自带的边缘检测函数更快，检测出来的效果更加好。可以较为精细的检测出图像边缘轮廓，用多副图像进行测试都能获得很好的效果。

提供了一种提取不规则区域的图像，基于 opencv2.4.0，vs2010 的方法。

应用背景该算法能适应复杂变化的环境，准确地提取运动目标，对复杂干扰场景下的实时运动目标检测得到了较为满意的效果关键技术采用帧间差法和背景差法相结合的运动目标检测方法，

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。