直方图增强函数源文件

使用跟踪移动目标的例子,详细文档。卡尔曼滤波是目标跟踪的主要功能,程序使用卡尔曼滤波器实现正确的跟踪移动目标

在视频或者图像配准处理中，错误的匹配往往影响正确的结果，因此剔除无匹配可以提高处理精度。通过MSE剔除错误和不精确的匹配，得到满足要求的精确的正确匹配结果，利用匹配对可以进行后续处理。

drawcli 利用MFC和GDI做的绘图软件，可以画直线，矩形，椭圆，可以编辑、移动、复制等功能

最近的背景差分法做了改进，感觉效果不错，传来希望对大家有帮助，在原先基础上对阈值进行了自适应处理，使得该方法能够更好的应对复杂环境下对运动目标的检测，排除了部分噪声对检测的影响，

使用Tesseract for Metadata Extraction为扫描的文档图像提取以下内容

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。

本程序是在vs2010+opencv的平台上运行的，利用的是opencv2.4.9，C++写的，利用多种方法来遍历图像，例如通过创建迭代器的方法来遍历图像，通过指针的方法来遍历图像等方法来对图像进行处理。最后的得到的效果令人满意。

对黑白TIFF 图像进行处理，将200DPI 转换为 300DPI，或者转换为指定的DPI。

应用背景Python opencv 图像处理基础教程，转自网络，主要是Python对于图像的增强，变换，匹配，轮廓，视频处理，分割，跟踪，投影等等关键技术的初级教程。关键技术图像处理 Python 实现，Python opencv 图像处理基础教程，opencv Python入门基础，gui,图像处理（平滑，金字塔，尺寸，阈值化），图像变换（梯度算子，仿射变换，等等），直方图，图像匹配，目标跟踪，轮廓操作，等等

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。