可视化界面进行分水岭分割，完全解读图像数据

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。

该文件提供视频图像运动目标检测的框架，包括简单实现，数字图像处理一书中的源代码，MFC多文档实现

实现DEM数据的读取和网格化渲染，同时根据高程不同的高程赋予不同的颜色系统采用C++和OpenGL开发，可实现DEM的三角网渲染、颜色渲染以及贴图渲染

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

多视点视频编码 （MVC） 是 2D 加 （mpeg-4 AVC) H.264 视频压缩标准的方法 （也称为 Delta 2D +） 三角洲开发共同努力的 MPEG/VCEG 使有效的编码序列从使用单一的视频流的多个摄像头同时拍摄的一项修正案[1]。

虹膜识别的完整程序，有图片，有说明，可以用。

开发H.264视频编码算法开源代码：JM8 或者 X.264 (自行查找)实现算法：baseline profile ，含H.264算法参数设置(分辨率、帧率（I/P:15-20）等）和解码后的I帧缩略图（如每5秒抽取一帧/一分钟视频）输入：AVI(非压缩AVI，文件会较大，5分钟内为佳） 输出：解码后的信息（平均码率等）及缩略图分辨率：320X240，D1、720皆可

osg与qt 学习过程中显示入门程序，通过osg 与qt quickly 的结合实现对3D 图像的处理和优化作用。包括所有的源代码，可以在配置好编译环境的条件下直接运行。

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。