基于FPGA的图像缩放源程序

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

应用背景*  ；OpenNI 2。Xα ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ；及 ； ； ； ； ； ； ； ； ； ； ；**  ；版权所有（c）2012 PrimeSense公司 ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ；** &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ；此文件的一部分，OpenNI。和公司；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；* &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ；在Apache许可证授权下，版本2（“许可证”）； ； ； ； ； ；**你不得使用该文件，除非符合许可证。和，和，和，和；你可以获得一份许可证，并获得一份许可证，并进行了；和；和；和；；；；；；；；；* &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ； ； ；HTTP：/ / www.apache。org /许可证/ license-2.0  ； ； ； ； ； ； ； ； ； ； ； ； ； ；** &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；

这是一个基于摄像头的Arm单片机开发的系统程序，具有非常大的所用价值                                                  

抽象 — — 本文提出了一种新型的计算机辅助诊断恶性黑色素瘤的系统。新颖之处在于优化选择和集成功能源于纹理，borderbased和黑素瘤病变的几何性质。的从使用小波分解，推导出纹理特征从构建 boundaryseries 推导出边界特征病变边界和分析空间模型给出了相应的频率域和几何特征从形状的索引。功能的优化选择通过使用增益率的方法，显示给将计算有效的黑素瘤诊断中的应用。分类是通过使用四个分类器 ；即，支持向量机，随机森林，逻辑斯谛模型树和隐藏的朴素贝叶斯。该诊断系统应用于一组 289 皮肤镜图像 （114 恶性，175良性） 分割成火车、 验证和测试图像集。该系统达到 91.26%和 AUC 值和准确性of 0.937，当使用 23 功能。其他重要的调查结果包括 (i) 明确优势获得补充纹理与边界和几何特征相比，使用纹理纹理特征的信息及 (ii) 作出更大贡献比基于边界特征优化的功能集。

控制台应用程序：blob_tracker 项目概述应用程序向导已为您创建了此 blob_tracker 应用程序。  本文件概要介绍组成 blob_tracker 应用程序的每个文件的内容。blob_tracker.vcproj这是使用应用程序向导生成的 VC++ 项目的主项目文件。 它包含生成该文件的 Visual C++ 的版本信息，以及有关使用应用程序向导选择的平台、配置和项目功能的信息。blob_tracker.cpp这是主应用程序源文件。其他标准文件：StdAfx.h, StdAfx.cpp这些文件用于生成名为 blob_tracker.pch 的预编译头 (PCH) 文件和名为 StdAfx.obj 的预编译类型文件。其他注释：应用程序向导使用“TODO:”指示应添加或自定义的源代码部分。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

harris角点检测的小程序，基于opencv2.4.2+vs2010编写的， 自己正在摸索阶段，水平比较菜，上传上来请大婶指正 具体的原理网上有很多，可以百度一下

该代码主要完成视频图像采集和回放，将摄像头的视频数据采集上来，存入输入视频缓冲区，然后再拷贝到输出缓冲区，最终显示视频，代码包括硬件初始化，参数配置是采集回放等内容。

能很好的实现人脸检测，其中包括基于adaboost实现人脸检测matlab代码。还有基于新色彩空间肤色分割的代码。综合起来就是基于肤色分割的adaboost人脸检测算法的改进