图像去雾质量评价标准

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。

资源描述Detecting visually salient regions in images is one of the fundamental problems in computer vision. We propose anovel method to decompose an image into large scale perceptually homogeneous elements for efficient salient region detection, using a soft image abstraction representation. By considering both appearance similarity and spatial distribution of image pixels, the proposed representation abstracts out unnecessary image details, allowing the assignment of comparable saliency values across similar regions,and producing perceptually accurate salient region detection. We evaluate our salient region detection approach on the largest publicly available dataset with pixel accurate annotations. The experimental results show that the proposed method outperforms 18 alternate methods, reducing the mean absolute error by 25.2% compared to the previous best result, while being computationally more efficient.

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。

这是SIFT算法的C++实现代码，对于SIFT检测子，SIFT描述子的代码编写很具体，对照原文博客来看的话，理解效果会更好。对于初次学习SIFT的菜鸟来说，是很直接，也很不错的一种学习选择。

应用背景程序加载压缩图像BMP格式。在左边，它位于初始图像。在变换按钮，它是应用veyvlt Haar变换图像的每个人。转换的一部分图像的转换，大小和格式显示的直接转换窗口。在程序窗口中显示当前转换的结果。这是可以应用到它的量化。在量化窗口设置阈值，并按下确定按钮；流动状态的直线veyvlt变换可以将收益转化，在按下按钮以返回转换窗口变换。在这里，它显示的初始和最后返回转换的量。对图像坐标系中的4个像素的大小进行了正确的返回变换。在返回变换的扭曲发生在2的图像大小的一个图像大小的奇数值。关键技术本程序是描述结果的veyvletama Haar的彩色图像压缩。给出了在C++语言程序的集成embercadero C + +开发环境中通过生成器Xe的描述。对高频数据的阈值修剪标准算法应用veyvlt–系数去除。压缩图像的结果，在RGB和YCbCr格式，哈尔的veyvletam。

应用背景Delphi  图片裁剪程序及源码    支持鼠标拖动选取区域裁剪关键技术利用Delphi自带组件裁剪图像功能  支持动态拖动改变裁剪框的大小进行图像裁剪

两张图片的渐变，使用openCV和C++实现，可以设置参数改变渐变图片的数量

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

在c/c++语言下有关于数字图像处理方面图像增强中值滤波的源代码，有许多个头文件。其实自己也没怎么看懂，不过觉得应该是对的吧。

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0深度帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0深度图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，depth数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。