利用opencv进行双目视觉稀疏点匹配与重建

现将图像进行转化为单通道，在对单通道的图像处理，统计图像中像素点的分布情况，为后续的均衡化等提供支持，也可以在图像处理中减小数据的量，从而加快运行时间或者算法的时间，从实际上来说彩色图像是3通道，灰度是单通道，但是灰度图像仍保留了大量的信息。此例子也可以为初学者做一个展示。

基于opencv2.4.10，运用vs2010进行代码编译，完成对摄像机的标定和对鱼眼镜头采集的视频进行图像校正。使用张正友标定法进行标定，随着视频播放能够对每一帧进行校正，效果比较好。 因为校正原因，图片会有部分边缘信息丢失。

编程语言为c++，编程环境为opencv249和vs2010，光流法和聚类结合的运动目标检测算法值得被推荐，其中金字塔LK和DBSCAN聚类结合的效果很好，但是HS光流法和KMEANS聚类结合耗时非常多。

反馈型神经元网络，添加了自适应算法，

  SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别是图像多尺度空间的构建方法不同。在计算视觉领域，尺度空间被象征性的表述为一个图像金字塔，向下降采样一般用高斯金字塔。其中，输入图像函数反复与高斯函数的核卷积并反复对其进行二次抽样，这种方法主要用于SIFT算法的实现，但每层图像依赖于原图像（当前尺度可能和原图象尺度相差很大，这时候再那原图像卷积确实有点二了），并且图像需要重设尺寸，因此，这种计算方法运算量较大。SURF算法对积分图像进行操作，卷积只和前一幅图像有关，其降采样的方法是申请增加图像核的尺寸，这也是SIFT算法与SURF算法在使用金字塔原理方面的不同。SURF算法允许尺度空间多层图像同时被处理，不需对图像进行二次抽样，从而提高算法性能。

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换于1962年由Paul Hough 首次提出[53]，后于1972年由Richard Duda和Peter Hart推广使用[54]，经典霍夫变换用来检测图像中的直线，后来霍夫变换扩展到任意形状物体的识别，多为圆和椭圆。

资源描述 改程序可以方便直观的查看RGB与HSV的值，同时加入了鼠标移动消息的相应，鼠标移动到屏幕任何一点，程序都会显示对应点的RGB和HSV值，具体界面如下：  

利用SVM识别数字和英文字符，可以用来参考一下

利用最简单的帧差法检测目标，基于opencv库，前后帧图像作差得到前景图像，然后设置阈值，进行二值分割，另外代码中还可以选用大津法进行自动阈值分割。得到的结果可以利用方框进行框选出来