图像的自适应魏纳滤波

能够打开双相机进行三维重建，重建速度不错，  Ÿ   Windows 7 64位旗舰版 Ÿ   OpenCV SVN （v2.4.9） Ÿ   x64 应用

这个小程序，跟踪它的颜色的对象。它获取框架源从网络摄像头，然后，它跟踪对象。它使用 （开源） openCV 库。它将作为图像处理初学者很有用。

根据一篇基于Radon变换的模糊图像参数估计的论文，编写的程序。通过对图像进行傅里叶变换求取功率频谱图，再对所求的功率频谱图进行Radon变换，最终实现对运动模糊中模糊角度的求取。

应用背景RGB图像颜色空间，转换灰度图。环境为opencv2.4，VS2010。。。。。。。两种实现方法。代码简介关键技术颜色空间的，RGB，图像的读入。灰度图的转换啊。。。。。。。。。。。。

通过直方图比较进行模板匹配，从若干张图片中检索出相似图片，得到匹配系数，具有一定的可用性，在opencv1.0+VC6.0/VS2010平台皆可使用。我目前在做基于直方图匹配的跟踪，欢迎各位下载，一起学习交流。

         static double[,] YUV2RGB_CONVERT_MATRIX = new double[3, 3] { { 1, 0, 1.14 }, { 1, -0.39, -0.58 }, { 1, 2.03, 0 } };      

利用OPEN CV 在VC上实现图像的亮度和对比度的调整，可以实现图像的不同亮度和对比度的调整和图像的显示。

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

请编程实现：类：1. 创建图像类Image，实现构造函数，构造函数重载，拷贝构造函数，析构函数。2.实现对图像的读入，保存，显示。即实现函数Read，Show，Write。3.获取图像中某像素点的值。即实现函数At()。4.将图像中每点的像素值设为同样的值。即实现函数Set。5.同一个函数实现图像的上下翻转、左右翻转。即实现函数Flip。6.裁剪原图像指定区域内图像。7.求图像的均值，方差。8.图像的旋转，缩放。主函数中实现：9.创建Image类对象img。10.读入文件中的图像“fruits.jpg”,并显示。11.利用Image类的成员函数，对图像进行翻转、旋转，并显示。12.利用Image类的成员函数，将图像缩小到1/2大小，并显示；将图像放大2倍，并显示。13.利用拷贝构造函数，创建新的对象new_img。14.给定的两个点（Point）：左上点（top_left）和右下点（bottom_right），将此指定区域内的图像进行裁剪操作，并显示结果。15.求图像的所有像素点的均值和方差，并输出。

车辆检测： 1 识别车辆轮廓，并标识车辆轮廓 2 给出车辆的相对速度，经过测试，实际可用。