自动对焦算法实现

在本文的最后阶段,使用此视频图像运动目标分析系统进行了大量实验,并全面分析了实验现象和数据。通过这些现象和数据可以得出结论:本文基于OpenCV设计的视频图像运动目标分析系统具有良好的实时性,能够正确的进行运动物体的实时检测和跟踪,并具有良好的鲁棒性。由于该系统在Windows下开发,如何将该系统移植到其他的系统或者是嵌入式平台并进一步提高系统的通用性和鲁棒性就成了今后研究工作的重点。

逆透视变换效果展示，输入图像格式为*.ppm，输出结果为转换后的鸟瞰图，算法中需要相机拍摄图像时候的内外参数，这样转换出来的效果才更准确。

本文给出了基于gabor的血管分割算法过滤器。它用于检测图像中的边缘。它是基于线性滤波器的。用于掩蔽。

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0彩色帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0彩色图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，color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。

通过相位匹配算法实现相位转换，利用FFT变换达到预期效果，最后输出图像和旋转角度，方法简单，节约时间，效率得到很大提高。

本代码使用opencv编写，针对的是图像图像处理，可以实现对图像的边缘检测，其使用了3个常用的算子：Canny算子，sobel算子，laplace算子。这三个是不同的例程，可以对边缘检测结果进行对比，比较三种检测方法。

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0红外数据存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0infrared图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，infrared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。

从自然看图像与低通滤波器和高通滤波器的帮助下删除雨的有效方法。因为它并不清楚的图像了在雨中我们可以消除图像的雨滴。通过这段代码中，我们可以获得清晰的图像。1.输入图像2.转换为灰度3.预计算高斯距离权重。4.申请双边滤波器。5.提取局部区域。6.计算高斯强度加权。7.计算双边滤波响应。8.图像分析的 K-均值聚类9.K SVD 算法的应用

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

稀疏度自适应(SAMP)信号重构算法在源信号稀疏度未知的情况下能够较为精确的恢复源信号，并且该算法的复杂度不高，能够很好的适应于压缩感知中对一维和二维信号的恢复，是贪婪类算法中比较新的一种算法。 本代码将原图像lena在离散余弦稀疏基下稀疏表示，测量矩阵选取高斯随机矩阵，用SAMP算法对原图像进行重构。