自编效果很好的边缘检测算法

把一段avi视频转换为多帧jpg文件，其中实例内包含avi文件，生成的jpg文件序列默认放置在源码文件夹下。

这是我的原创项目，im创建的项目是现实生活中的系统信息卖家。我已经提前道歉了。我很高兴能做这个节目，因为我很懒，所以我不能做一个完美的节目。我到处浏览，为我的项目寻找灵感来源，当我第一次看到它的时候，我发现浏览图像处理结果的灵感是非常感兴趣的，因为它证明了图像可以在程序语言中的细节。除了这个故事，我什么也不能说

这是一个基于opencv的运动检测  主要使用opencv中的blob实现对视频中运动物体的跟踪监测，本程序实用性强 已经验证过了 修改一下即可直接使用

人脸检测是检测脸使用分割的一个项目。欢迎下载，试用。谢谢大家的支持 ！

资源描述 basler相机调用程序 读取相机数据 抓取图片，图像处理

该代码是用于医学图像处理的，里面包括对细胞的进行滤波，边缘检测，基于边缘检测的分割以及ostu分割方法，很实用，对于初学者有很好的帮助作用

双边滤波（Bilateral filter）是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。main.m  ：  程序入口函数bfilter2.m ：滤波函数bfltColor.m ： 当输入图像是彩色图像时的滤波函数bfltGray.m ： 当输入图像是灰度图像时的滤波函数双边滤波器原理.doc ：  解释滤波器的原理效果图.jpg  ：  程序运行的效果

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

由于对运动目标检测与提取的精度要求越来越高,在运动检测中排除阴影的干扰也就越来越受到重视。当前采用的运动检测算法通常在提取运动目标 的同时也将运动阴影提取出来,这会导致在分割和提取运动目标时产生严重的影响。阴影消除算法，matlab版本，其中阴影消除的阈值和数学形态学模板的大小需要根据具体的视频图像调整到合适的值。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。