Cvv 图像类

matlab练习程序（弧形投影） 这个其实也算是圆柱体投影了，不过上一篇文章是从正面看，得到的是凸形的结果，而这个是从反面看，得到的是凹形的结果。计算公式就不写了，大致介绍一下，计算公式中关于x坐标求法和上篇一样，y坐标则正好是上篇公式的反变换，结合上篇公式代码和本篇的代码，应该都不是很难理解的。

打码兔的DEMO文件，不用理解实现详细步骤，只需知道接口函数，即可立即使用的哦，非常简单使用非常不错。        有这方面需要的朋友不要犹豫了噢，直接下载吧。                                                                                                                                

这是拳击过滤器、 中值滤波和由 java 编码的 lapicican 筛选器的源代码。 希望你会喜欢它。

应用背景主要用于单目标跟踪，基于HSV颜色空间，对亮度的变化敏感度较低。关键技术改善了基于RGB色彩空间的粒子滤波的单目标跟踪。全部代码有注释，通俗易懂。

A New TwIST: Two-Step Iterative Shrinkage Thresholding Algorithms for Image Restoration， 一种先进的图像去模糊算法，实用性很好，对初学者是很好的参考。

 二维离散余弦变换的图像压缩, 程序能够运行出正确的结果，希望对各位有帮助。 

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

1，启动摄像头 2，加噪和去噪 3，对对视频进行保存和录制 4.人脸的检测 5，简单人脸跟踪 6，人脸识别

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。