疲劳检测

基于CCS环境下，一些常用的DSP算法程序，主要包括：FIR、IIR、FFT等相关算法以及实现程序，并在一些工程中的应用。

Harris角点探测算法函数，input: 灰度级图像  output：角点位置，行列索引值非常简单实用的图像特征点探测算法。也没什么好说的觉得写还行就传上来分享下顺便混点经验。。。。。。

pcl mfc公司；

  算法分两步，首先生成直方图，记录下每个灰度值的像素点个数； pg为存放直方图数据的数组，pg[i]为灰度为i的像素点个数，    ps: ——为全部灰度的一阶矩     ——为全部灰度的零阶矩，即全部像素个数 假定阈值为j，对阈值小于j

资源描述delphi界面下的模糊C均值图像分割程序，可以在MyFile.txt文件中查看每次迭代的结果。

使用D7 EncdDecd和ZLib压缩和加密字符串。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

边缘检测是图像处理中的最重要的主题之一。为此提出了许多方法但他们大多有表现疲弱中噪声的图像，因为噪声像素决意作为边缘。在这个项目中，两种新方法表示基础上分层自适应神经模糊系统 （HANFIS）。每个方法包含 HANFIS 营办商，收到的一些邻近的像素的值，并决定所需数目中心像素的边缘与否。列车简单图像用于设置每个 HANFIS 运算符的内部参数。实验结果表明这些方法是对脉冲噪声鲁棒性，准确提取边缘像素。

这个小程序，跟踪它的颜色的对象。它获取框架源从网络摄像头，然后，它跟踪对象。它使用 （开源） openCV 库。它将作为图像处理初学者很有用。

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像