vfp截屏小程序

人脸检测

针对满文文字的特点，利用基于主轴的投影法进行文字分割，该程序可以将满文文字分割成单个满文字母，分割准确率较高。

matlab练习程序（弧形、圆柱投影的复原） 前一段介绍了从矩形图像到圆柱的正向投影，看这里和这里。今天介绍如何从已经投影的图像反映射到原图像上。本来此种变换一定是需要数学公式的，不过这里只是用了一个很简单的方式来完成反映射。具体就把每一列有像素数据的长度拉伸到原图像的高就行了。

频率步进雷达一维成像，高分辨距离像HRRP，设置好了参数，点击即可运行出结果图，能计算散射矩阵

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

三维重构显示，显示一幅图片的三维效果图像，应用matlab作为工具！显示一个物体三维信息

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

================================================================================    MICROSOFT 基础类库： FaceRecognition 项目概述===============================================================================应用程序向导已为您创建了此 FaceRecognition 应用程序。此应用程序不仅介绍了使用 Microsoft 基础类的基本知识，而且是编写应用程序的起点。此文件包含组成 FaceRecognition 应用程序的每个文件的内容摘要。FaceRecognition.vcproj    这是使用“应用程序向导”生成的 VC++ 项目的主项目文件。  请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

这个项目会给你点在哪里 u 将鼠标光标放在 HSV 值。它是使用 opencv 2.4.9 和 visual studio 2010 实现