opencv人脸检测

DM6437 上的自动对焦算法实现，包括 图像清晰度评价函数 梯度平方算法实现，改进了爬山搜索算法，使之对焦可以更快，DM6437 定时器初始化，DM6437的启动程序，本程序可在 达盛 EL-6437平台上直接运行。

通过使用 cuda 的 Jpeg 2000 年执行。 -转换为 BMP-> 与您的 NVIDIA GPU JPEG2000 -命令行工具和 CUDA/c + + 库 -为有损和无损编码 -最快的开放源码 JPEG2000 编码器之一： 将编码 27 200 万像素 -RGB 图像在 4.0 秒 (有损) / (无损) 在 280GTX GPU 上的 6.2 秒

本源码是基于《A texture-based method for modeling the background and detecting moving objects》一文实现的，该方法是基于图像中各个像素点的建模方法，提取的纹理特征的方法为LBP直方图，每个像素点的背景模型中包含K（一般为3或5）个LBP直方图，在后续处理中每来一帧时先进行前景检测，然后更新背景模型，如果当前像素点的LBP直方图和其背景模型中的任何一个直方图都不匹配时，就把权值最小的那个直方图替换成该像素点当前的直方图，并且设置其权值为一个很小的值，如果当前像素点的LBP直方图与其背景模型中的某一个最匹配时，就更新那个最匹配的直方图，并且更新其权值，背景模型中的其他直方图只更新权值。更新完之后进行权值归一化，根据权值大小进行排序。

K均值图像分割，读入彩色图片，输出区域分割后的图片-K-means image segmentation, read full-color photographs, the output image after the region segmentation

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

PN和GOLD MATLAB程序

里面有椭圆拟合的代码和利用最小二乘法不断迭代最终检测出椭圆的方法，使用性好，精度高。首先随机找出三个边缘点拟合初步椭圆，r然后寻找第四个边缘点来验证初步拟合椭圆的效果，如果可以，然后利用直接最小二乘法设定距离阈值，收集边缘点重新拟合椭圆，不断迭代，最终能检测出准确的椭圆，检测速度快，有抗噪声的能力。

师兄做的毕业设计，对肿瘤超声图像处理！包括计算出轮廓面积等功能！非常实用！

这里在VS2010和opencv的环境下编码的调取摄像头并对摄像头捕捉到的图像进行处理。 第一步：初始化摄像头。 第二步：设置图像属性。 第三步：获取一帧图像。 第四步：显示图像cvshowimage()。 第五步：保存图像。 第六步：对图像进行阈值分割。 第七步：对图像进行二值化处理。 将彩色图片转化为灰度图片

本程序非常适合于图像处理工程和应用视频。有吗正文可以使用此代码。