视频监控开发界面

描述（英文）：（提示：至少100个字符。请尽你所能详细描述你的项目。更好的内容将为您赢得更多积分）；

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

应用背景基础轮廓查找——findContours+drawContours；开发测试所用IDE版本：Visual Studio 2012。-Program description: Based on 2.4.4 Function: base profile Find findContours+drawContours development and testing of the operating system: Windows 7 64bit IDE version used for development testing: Visual Studio 2010关键技术opencv2.4+vs2012对图像中的轮廓进行提取，查找

C++写的读取dicom文件的程序，比较基础。从代码中可以看出dicom文件的相关格式，以及对应的显示方法。比较基础，适合初次接触dicom文件的朋友

从摄像头获取一帧帧图像，经过一些初步处理，包括图像的二值化，灰度化，形态学滤波，图像腐蚀，图像膨胀等方法完成对获得图像的初步处理，然后利用opencv库中的霍夫圆识别算法，识别灰度图像中的圆并实时显示在摄像头画面中。运行环境：win7，vs2010，opencv2.4.3

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

资源描述利用FPGA实现的图像放大源程序，基于XILINX的ML505而实现，其它设备也可参考，主要包括vga模块，iic模块和放大模块！

用块匹配法进行运动估计的matlab实现方法，返回运动矩阵

最小二乘匹配获取高精度匹配点的vc代码，针对影像匹配问题,对最小二乘法影像匹配的算法进行了研究,理解了该算法的匹配原理,并应用测试程序对该算法进行测试。

DX 11写的风景，包括反射和折射的效果，适合初学者使用学习。 很清晰的列出了shader的初始化使用和render，还有模型的载入，镜头的控制等等，全部是单独的类写出，初学者能很容易看懂