图像形态学

从摄像头获取一帧帧图像，经过一些初步处理，包括图像的二值化，灰度化，形态学滤波，图像腐蚀，图像膨胀等方法完成对获得图像的初步处理，然后利用opencv库中的霍夫圆识别算法，识别灰度图像中的圆并实时显示在摄像头画面中。运行环境：win7，vs2010，opencv2.4.3

 组织图形数据的方法： ①以基本图元为单位：简单、重复。 ②以自定义图元为单位：对“相似图形”的抽象，是提高作图效率、提升设计能力的前提。采用“块对象”存储、管理自定义图元中的若干图形对象；采用“块插入对象”存储自定义图元的插入参数。不仅改善空间、时间复杂度，更便于“块插入对象”的更新。 创建块对象的参数：①块名，②图形中已有的图形对象的子集，③基准点坐标。 块对象的核心数据的说明：块对象虽然由参数②定义，但定义之后，块对象与参数②就不存在相互影响的关系。所以块对象中，应复制参数②中的所有对象。

基于Visual Studio 2010的计算机视觉+ openCV2.4.5得到的10对图像，以计算出摄像机，包括焦距，旋转和转换的更确定的参数，并计算点的3-D世界。与一些像素误差，但好于几乎整个采样图像。

包括人脸图像获取、人脸图像预处理、人脸表征、人脸检测、人脸分割和人脸的判定，并对其中的具体实现技术和方法进行了全面阐述，最后，针对视频图像，对动态人脸跟踪进行了探讨，并对人脸识别的现状和研究趋势进行了说明。

资源描述 实现了camshift对目标的动态跟踪

opencv初级教程由美国伊力诺理工学院计算机科学系Gady Adam编写， 给出了opencv的介绍，常用函数，编译命令，命名约定和例程， 适合初学者利用opencv做图像处理和视频处理。

这个想法是开发一种算法，我们可以对水稻计数。使用边缘检测器是正确的方式去做。如果您下载并运行此代码，它将可能看到一个好结果的算法。享受它。

1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。 2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。 注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表，在运行bagofword生成单词包。

一个简单的人脸检测程序，打开一副图片后利用两种方法进行人脸检测和识别，并标记出人脸区域，目前还比较简单，只能对静态图片进行检测，下一步打算对视频图像进行检测。虽然现在人脸检测的很多，但完全是源码没有使用图像库的很少，所以仅供大家参考了！

此函数执行的计算代价expensive的步的匹配两个整流及没有被歪曲的立体图像。输出是稠密的视差图。如果摄像机参数已知的这允许三三维重建。两个图形用户界面显示的算法。