数字图像处理

使用C++实现基本的图像处理功能，包括图像平移，图像旋转，图像镜像，图像缩放。还包括一些边缘检测的算法，有Robort边缘检测算子，Sobel边缘检测算子，Log边缘检测算子，以及基于MATLAB的傅里叶变换程序。比较实用，效果也很不错。

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术

它将读取像素的像素和计算有差异，将存储在另一个矩阵。从这些我们可以分析图像帧中的每个像素的强度

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

基于后方交会的程序代码。通过地面控制点坐标，以及控制点在航片上的坐标来结算航片的6个外方位元素。该程序具有运行良好，无错误，运行速度快的特点。

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

应用背景你可能有你的运动视频。这个程序检测接头用彩色标记和计算角度从肩肘>；>；手腕。和它的速度。你可以看到只有骨骼或全视频。你可以控制播放速度，并看到标记帧的帧。你可以拍一个跟踪标记的快照，或者可以用跟踪标记和角度来渲染整个视频。关键技术利用OpenCV跟踪颜色。（蓝色，红色，绿色，深绿色）。基于OpenCV的视频渲染。用opencv绘制文本。使用Qt库。

应用背景可用于两张图片的对比。判断是否相同或不同。关键技术 扫描整个图片，从而获得每个像素点的值，进而进行比较

生成具有真实感的图形，在给定视点和视线方向后，决定场景中哪些物体的表面是可见的，哪些是被遮挡不可见的，在成运行结果中，可以旋转物体观察效果

先用视频前几帧进行帧间差分，用cvFindContours()得到二值差分图像中最大的连通块作为camshift的初始选择框 程序做的不完善，只能针对类似test.avi的视频进行测试。(读一下函数GetBlob（) 可能有些压缩格式的视频打不开，需要安装Xvid解码器