图像处理

同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/ 反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

有的行人检测演示和测试此压缩文件中的一些照片。 与 OpenCV 2.3.0 的图书馆，我发现，使用默认分类器的行人。该功能是面向梯度直方图和分类的方法是支持向量机。 "hog_svm_image.cpp"正在检测一系列的名字列在一个文本文件中的照片。 "hog_svm_avi.cpp"从一段视频，只检测一个由一张图片，而无需使用跟踪方法检测到。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

这个是基于net开发的，这个程序的算法和功能都是以手写识别为基础，请大家讨论讨论！

应用背景使用VS+opencv 2.4.9中 进行运动物体跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。关键技术本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化。由于引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测。

利用三维傅立叶变换对点云数据进行变换，可以将点云数据由空间域转换到时间域，把点云中的噪声都集中在高频区域，便于噪声的处理。

应用背景灰度形态学是数学形态学处理扩展到灰度图像的基本操作与二值形态学不同的是,灰度形态学处理的是灰度数字图像而不是集合。关键技术Top一Hat运算是原始图像信号与其开运算后的信号之差,所以经Top一Hat变换处理后的图像,能抑制平缓变化的背景和不相关结构信息,提取出形状类似于结构元素的孤立目标和噪声,即可以检测出图像信号中的灰度峰值,因此Top一Hat算子具有高通滤波的特性。

目前，使用VS+opencv 2.4.9中 进行行人跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对行人运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化，相信由此代码基础，下一步的工作会轻松很多。本代码，也有助于新入门的程序员进行深入学习，或者直接拿来进行实验开发等等。

利用OpenCV2.3.1实现对图片轮廓的二值化处理，并调用开源的rec2vec实现轮廓的矢量化！

实现图像形态学变换，包括腐蚀、膨胀、开、闭、细化处理，代码运行通过