vfp截屏小程序

应用背景vs2010+opencv2.4.8,人脸识别，ORL人脸数据库，里面有两个代码，LBP.cpp利用LBP方法先训练图像得到分类器（xml）然后测试待测样本。LBPload.cpp则直接可以用LBP.CPP生成好的分类器测试待测图片，比LBP.cpp快很多。关键技术用的是LBP算法，也可以换成pca和fish算法，只是LBP更快而且占得内存也小一些，里面也有测试时间。为了方便，我直接确定的测得是第13个人，可以修改的。里面的data文件夹里面的at.txt和待测图片路径记得按照你们的情况修改。

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，

AETTTTTTTTTTTTTTTTTTTTTTTTTTRBargattTTTTTTTTTTTTTTTTTTTTTN4T6N46666666666N64BKKKK；bbbbbbbbb；PJBHPGHGGGPPG

基于PCA的图像融合算法，首先求出源图像的协方差矩阵，然后根据该矩阵的最大特征值所对应的特征向量确定各源图像的权值。

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

卡尔曼滤波，去除噪声还原真实数据的一种数据处理技术, Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态. 由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理, Kalman滤波是目前应用最为广泛的滤波方法, 在通信, 导航, 制导与控制等多领域得到了较好的应用。

利用MFC编程显示一个对话框，以及对对话框的设计风格，修改主框架的显示风格，要读进一幅bmp格式的图像。

压缩感知用于磁共振成像的快速重建，基于快速阈值收缩迭代算法，收敛速度很快

什么都不多在这里。我想这段代码和我有错误，所以我搜查的另一个版本，我来这里是

利用大华摄像头的官方sdk开发的视频预览、截图、回放、云台控制等功能，用vc/MFC界面做的，比较简单的实现