用哈希码查询自适应图像搜索

本代码可以对视频中的运动物体进行监测和跟踪 并用了高斯背景模型进行背景建模 效果很好 而且对检测到的物体进行了矩形框标记 

MATLAB图像处理实例详解原书的配套源代码。可帮助快速学习了解matlab。十五章的内容共有两百多份文件，基本上包含了matlab从入门到实用的所有内容，是新手学习matlab的好帮手。

资源描述主要研究H263编码实现,完整的源代码程序，适合初学者参考学习。代码清晰有完成的VC+6工程代码。

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

FLANN是一个在高维空间中执行快速近似最近邻搜索的库。它包含一组我们发现最适合最近邻搜索的算法，以及一个根据数据集自动选择最佳算法和最佳参数的系统。

基于opencv的canny边缘检测功能实现。使用语言为C++;功能比较简单。只是简单的算法功能实现。

利用简单的命令对图片进行剪裁，这个可以用鼠标选择自己想要留下的图片区域，不需要计算目标图片的灰度值或坐标范围，仅仅用鼠标选择目标区域进行剪裁就可以得到自己想要的图片，然后保存。

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。

这一项目执行对象跟踪使用潜在的支持向量机方法。它被编译使用 opencv 249 和 visual studio 2010

基于DICOM医学图像的信息内容的获取，读取信息包括了文件格式的判断，传输协议，病人的信息等等。此代码在dicm显示以及隐式情况都能正确读取。