基于图割的图像分割源代码

代码是c++，调用opencv的库函数，基于opencv的分类器，调用训练好的xml文件，用于摄像头人脸识别，先获取视频的每一帧，然后扫描整个图片，确定人脸位置

matlab练习程序（图像马赛克）处理原理就是将邻域像素平均值赋给邻域中的所有像素。这里将处理方法分为了带线条和不带线条，带线条处理后的视觉效果要好些。 

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

包含两个程序，程序1是实现HE的暗通道先验去雾的程序，程序2是实现清华大学俞晶的基于暗通道和双边滤波的图像去雾的程序，可以直观的比较两者的差别。

应用背景如今，由于照相机性能的限制，使得人们不能很好的拍摄一幅幅面比较大的图像。针对于此，本代码利用c++结合opencv，实现了多幅图像的拼接，并且得到比较好的效果。关键技术主要通过分析图像的特征，然后提取出图像中有用的相关联的角点，最后利用角点匹配技术，初步得到匹配的图像。由于在匹配过程中，存在部分匹配不当的角点，所以在应用图像融合技术，达到更好的效果

从opencv/sample里获得cvInRangeS函数可用于检查一个矩阵中的像素灰度值是否属于某一指定范围。并且可以输出一个单通道矩阵来进行标识。

这个是MST705 SDK开发包源码，包含多种LCD显示屏的H文件，直接修改头文件配置，就可以实现不同显示屏的更换。

分辨率

jsDraw2D是jsFiction公司提供的第一个产品，他们计划创造各种各样的革命性的JavaScript库和应用，来帮助JavaScript 开发者，Web开发者以及Web站长扩展JavaScript的内涵和功能。 jsDraw2D包括基本形状(如多边形，弧形，圆)，填充形状，以及贝塞尔曲线(包括一次，二次和立体曲线)。开发者可以在div元素中改变坐标系统的 原点到任意点上，并且可以选择缺省或者笛卡尔坐标系统。 jsDraw2D还可以允许你设置图形的大小比例。

通过QT和opencv,在window下使用混合高斯模型读取本地视频，使用高斯混合模型进行背景建模。在新的opencv2.31中的混合高斯混合模型中集成了阴影处理。