人脸的检测与定位代码

在场景图像上通过模板匹配技术，找到与之匹配的精确定位位置，程序中对于每个模板分别给出了最后的目标定位位置坐标，默认左下角的坐标为（0,0），得到偏差

蚁群优化 (算法 ACO) 算法是相对较新的元启发式算法和所有算法，利用 insectpsilas 行为的一个成功范例。它被应用，以解决许多优化问题与好自由裁量权、 并行、 鲁棒性和积极的反馈。作为一种先进的优化算法，只是最近，研究人员开始将蚁群算法应用于图像处理的任务。在此文件中，建议使用蚁群算法改进的图像阈值分割方法。与传统的阈值分割方法相比，所提出的方法具有优势它可以很好地部分薄、 它可以有效地减少计算时间，它有很好的能力和稳定性质。调查结果显示使用所提出的方法可以实现令人满意的分割效果。

应用背景利用vc6中mfc的按钮，点击确定，即可打开所在文件夹下自己想打开的视频。注意自己的视频放上后应在代码中更改成自己视频的名字关键技术利用按钮，触发程序的运行，在mfc中通过添加成员变量和相应函数，从而将自己的视频得以打开

应用背景适用于初学者掌握对模型的总体把握，如何创建模型，如何在基础上建立新的坐标系，如何控制不同部分间的从属关系，如何键控不同部分的动作，使使用者对opengl的3D环境有充分了解。关键技术本代码调用了opengl 3D环境的多种函数，从创建模型到操作模型都涵盖在内，包括旋转，键控，视图，这是初学者学习，借鉴，掌握opengl的非常好的例子，也是我初学的样例，相信对初学者非常有帮助。

简单的代码,通过sobel滤镜获得dx,dy, 算出每个点的方向.  方向图的信息由助于用于Gabor滤镜

opencv2.4.9+VS2010打开摄像头，并且显示摄像头拍到的图像，并且将得到的图像边缘化，转化为黑白图像，只显示物体边缘特征，也可以只显示灰度图，只要把我注释掉的打开来就可以了，使用vs打开，配置好opencv的环境后，就可以直接运行了，注意是x64，还是x86的机器。

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS).粒子群优化算法是由Eberhart博士和kennedy博士发明。

目录

应用背景最近在研究电子稳像的东西，尝试着通过opencv编写了一段电子稳像的程序，效果不错，但是实时性不好。大家可以用来参考，开拓思路。关键技术平台为vs2010，使用opencv库编写，里边涉及到了LK光流法，Corner角点检测，最小二乘法等，输入视频，可以输出稳定后的视频，稳像效果不错，但是实时性很差，大家可以用来参考，开拓思路。

 利用MATLAB 提供的Image  I/O 函数分别完成以下处理： (a) 以测试图像的中心为圆心，图像的长和宽中较小值的一半为半径画一个红颜色的圆； (b)