自编效果很好的边缘检测算法

X = dicomread(filename) 读取从兼容的数字成像和通信医学 (DICOM) 文件的文件名中的图像数据。对于单个帧灰度图像，X 是一个 N M 的数组。对于单框真彩色图像，X 是 M 的 N 由 3 数组。多帧图像始终是 4 D 阵列。

这个源代码是利用OpenCV工具包，实现图片中的人脸检测，并将检测出来的人脸用绿色方框框出来。所附代码，使用VS2008完成，使用OpenCV2.4.6。参数从命令行输入。argv[1]是图片的位置。检测眼睛的代码和人脸检测是一样的，只需要在检测出的人脸上再次进行一番相同的检测即可（注意：检测眼睛的参数需要调整，特别是最大最小区域范围）。

应用背景最近在研究电子稳像的东西，尝试着通过opencv编写了一段电子稳像的程序，效果不错，但是实时性不好。大家可以用来参考，开拓思路。关键技术平台为vs2010，使用opencv库编写，里边涉及到了LK光流法，Corner角点检测，最小二乘法等，输入视频，可以输出稳定后的视频，稳像效果不错，但是实时性很差，大家可以用来参考，开拓思路。

很多

Markov 随机场  图像分割ICM算法步骤1.设定图像的分类数K、势函数B以及算法迭代次数IterMax2.使用K-均值算法计算初始分割结果3.估计特征场参数4.计算特征场能量 5.计算标记场能量6.根据能量最原则，估计新的分割结果7.判断终止条件是否满足，如果满足则算法停止，否则回到3

实时图像处理软件。软件计数约22000瓶回收每小时。正在使用非常快速的算法。

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，管线管理界面，实现管线的地上地下管理，

边缘检测是一个非常耗时的过程。这个项目的目的是比较并找出最佳域 （频率域或空间域） 的快速边缘检测，确定最佳的方法高斯差分 sobel） 的快速边缘检测。在 matlab 环境中编写此项目。测试结果简要地叙述了下面，在大小 512 × 512 图像上运行时。狗在索贝尔在频率域-0.128717 秒时间索贝尔在空间域-0.010328 秒频率域-0.150253 秒时间在空间域中的狗-0.045588 秒时间花费的时间

c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法，c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法c++ 摄像头  opencv  图像处理  MFC界面，以及opencv相关图片处理算法