基于opencv的立体匹配的实现

区域生长算法的改进方法，适合初步学习，具有多个图形处理，最后标注部分代码(The improved method of region growing algorithm is suitable for preliminary study.)

 Given a list of chessboard images, the number of corners (nx, ny)  on the chessboards, and a flag: useCalibrated for     calibrated (0) or    uncalibrated       (1: use cvStereoCalibrate(), 2: compute fundamental          matrix separately) stereo.   Calibrate the cameras and display the  rectified results along with the computed disparity images.    Usage:  ./stereo_calib -w board_width -h board_height [-nr /*dot not view results*/]

一本OPENCV的书，对学习OPENCV很有帮助，主要讲解了一些实例。(An OPENCV book, very helpful to learn OPENCV, mainly to explain some examples.)

360-panorama，360度柱面图像拼接，程序在VS2008环境下开发，opencv2.4.3版本，程序可以直接运行，以将所需依赖项添加在文件夹中，源图像放在source_pic中，最后生成结果在result_pic中。 实现步骤：1先将图像投影到柱面坐标上，2提取图像SIFT描述子，3将SIFT描述子配对，4用RANSAC算法根据配对成功的描述子统计出变换矩阵T，5图像拼接。 对于拼接后的图像，没有做进一步细化处理，使用者可以在生成的图像上再做进一步编辑。(360-panorama 360 degree cylindrical image stitching program developed in VS2008 environment, opencv2.4.3 version, the program can be run directly, add the required dependencies in a folder, the source image on the source_pic in, and finally generate results In result_pic. Implementation steps: first image projected onto the cylindrical coordinates, extract images SIFT descriptor, the SIFT descriptor paired with an the RANSAC algorithm based on the description of the pairing is successful statistics the transformation matrix T 5 image mosaic. For the image with no further thinning, the user can do further editing on the generated image.)

利用经典的 Eigenface 或者Fisherface实现的 人脸识别 需要opencv2.4.1 或者更新的版本，才可以编译或者运行 是学习opencv和 人脸识别很好程序

Object detecttion using contour .Here is the code using openCV and Microsoft Visual Studio

主要是matlab基于SIFT/SURF特征匹配和图像融合的图像拼接代码，也有少量的opencv c++的例子

说明：  定位工件圆、圆角矩形，并检测圆和矩形内的污点(Locate the workpiece circle and rectangle, and detect the stain in the circle and rectangle)

光流法是用于目标跟踪：对于一个连续的视频帧序列进行处理；针对每一个视频序列，利用一定 目标检测方法，检测可能出现的前景目标；如果某一帧出现了前景目标，找到其具有代表性的关键特征点；对之后的任意两个相邻视频而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；如此迭代进行，便可实现目标的跟踪。

opencv颜色识别的代码,翻墙下的，可以拿来参考一下！