OpenTLD opencv实现

应用背景数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理（分析和理解）的前提。图像在摄取、传输、储存的过程中不可避免地引起图像质量的下降（图像退化），图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。关键技术本程序是由C++编写的，可以直接运行的源代码，实现的功能是数字图像复原技术，对已经处理过的或由于某些操作降低了质量的图像进行复原。

通过采用surf算法，来分别提取两幅图像的特征点，来进行图像的匹配，利用ransac算法来剔除误匹配，实现精确的配准，根据匹配点，计算homography，进行两幅图像的拼接。实际使用中，新建一个控制台工程，将压缩包里面的两个文件加入工程，即可运行。

一个算法从视频中提取关键帧并存储为JPEG图像和整个视频和图像的总结

资源描述 包括详细教程和例程： 【多媒体封装格式详解】---MKV【1】 【多媒体封装格式详解】---MKV【2】 【多媒体封装格式详解】---MKV【3】

基于VC的PointGrey灰点相机工程，可采用事件触发或多线程控制，包含单帧采集和连续采集等功能。PointGrey camera project based on VC that can be multi-threaded event-triggered control, including single frame capture and continuous acquisition functions.

运用6种算法进行肤色分割，基于opencv1.0+VC6.0，包括RGB、GB，HSV、Otsu、YCbcr，效果很好，而且都是写成子函数的形式，调用方便。稍微修改下参数就能在环境中很好地检测手势和脸部区域。

基于opencv实现的asm算法的人脸检测，包括器官（眼睛、鼻子、嘴巴）和表情的识别，检测效果较好，难度适中，适合初学者学习使用。

人脸识别的源代码，亲测可用。采用PCA方法简化特征，然后调用opencv库进行实现。

资源描述 资源描述 基于OpenCV的数字图像处理程序。通过图像模糊二值化，查找连通域，提取数字信心。

基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展