全景图像拼接

本程序采用c/c++实现二维码的扫描，对扫描仪扫描的.bmp格式的图片进行扫描，译码生成需要的格式，识别图片的正确率在%90以上。基本符合用户需求

梯度锐化和拉普拉斯锐化。 但由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高的信噪比；否则，锐化后图像的信噪比更低。邻域平均法或加权平均法可以平滑图像，反过来利用对应的微分方法可以锐化图像。微分运算是求信号的变化率，有加强高频率分量的作用，从而使图像轮廓清晰。由于图像模糊的实质是图像受到平均或积分运算造成的，所以为了把图像中任何方向伸展的边缘和模糊的轮廓变得清晰，可以对图像进行逆运算如微分运算，从而使图像清晰化。在图像处理中，一阶微分是通过梯度法来实现的。

数字图像的基本代码，初学者可以看看，进一步完善也挺方便                                                   

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

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

资源描述这是一个应用程序使用Java开发和ExtJS做基于GCP点图像校正所使用的参考图像，如谷歌地图。本文提出的图像为TIFF格式，它支持输入图像为JPEG文件。它使用GDAL和仿射变换的图像格式和阅读的精馏过程。

【源码】DirectX角色扮演游戏编程 第二版 这本书是学习Directx、角色扮演、游戏编程的经典书籍。 但是网上很多资源是基于第一版书籍的，或是根本运行不通。 这个版本我已测试过，每个工程都可以完美运行。 运行环境：DirectX SDK 9.0b

EmguCV的官方网站上的例子中，有SURF算法的实现，其实现的时候利用的GPU的加速，看着比较复杂。此外，官网上例子的实现并没有做界面，看着不舒服，加载图片也不是很方便，因此，为了学习，我将官网上的例子进行了修改，去掉了GPU加速的部分，然后在做了显示界面，操作起来更友好些。 我是在Vs2012下使用2.9Alpha版本的EmgucV做的。 窗体上有两个PictureBox控件，一个用来显示待匹配的源图像，一个用来显示匹配的目标图像。然后相对应的有三个Button控件，第一个用来打开源图像，第二个用来打开目标图像，第三个用来匹配，当点击第三个Button控件实现匹配，匹配的图像显示在新的窗体上，新的窗体很简单，就一个窗体.

这个 c + + 程序演示了如何检测行人使用 OpenCV 函数图像上。猪和支持向量机基于的识别。

通过RGB通道，HSV通道，以及YCrCb各通道之间的关系，从而提取出感兴趣的肤色区域（或某个色彩范围）经实验获得较好的效果