VC读写dxf

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

可以控制多种相机的开源程序代码，例如佳能，尼康等，并且能够实现PC上功能操作

调用opencv原有的特征点检测提取算法，实现将指定路径下的图片使用选择算法依次进行特征点的检测与提取，并将图像以及特征点的检测和提取信息保存至文件。实现检测算法有三种算法可选。图像匹配调用原有匹配算法，在指定目录下，读取保存图像及特征点信息的文件，一次实现图像的匹配并判断和记录匹配结果。

卡尔曼滤波器是目标跟踪的主要功能，使用卡尔曼滤波程序，以实现对机动目标进行跟踪

与Fourier变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样条分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。

可以实现多个目标的跟踪，但是有一定的缺陷，需要后期的改正，要弄清楚camshift的相关原理必须从MEANSHIFT着手了解，更多的是混合高斯与camshift结合这一块，程序比较复杂，需要对OPENCV有一定的认识和了解，所以特别是相关的函数，大家一定要清楚之后才可以调试，建议使用VS2010和opencv进行配置实现相关的功能

P0301：数字图像矩阵数据的显示及其傅立叶变换P0302：二维离散余弦变换的图像压缩P0303：采用灰度变换的方法增强图像的对比度P0304：直方图均匀化P0305：模拟图像受高斯白噪声和椒盐噪声的影响P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波P0308：图像的自适应魏纳滤波P0309：运用5种不同的梯度增强法进行图像锐化P0310：图像的高通滤波和掩模处理P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 

依据图像的纹理特征，对图像进行检索，代码是用matlab写的 其中的图像库包含45幅图，有30个代码相关文件，程序可以运行，对学习纹理检索图像的人很有帮助

一维高分辨距离像，频率步进雷达实现，能得出信噪比变化图，可以得到散射矩阵，水平极化和垂直极化分布

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。