图像分割的经典算法，LBF算法（局部二元拟合），matlab平台实现

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。

用Qt做的界面，使用OpenCV处理图像，利用4层高斯金字塔和拉普拉斯金字塔来实现图像的变换，从而使图像变成像油画一样的效效果，由于算法的限制，这个程序目前仅仅支持图像长宽都为16的整数倍的图像，否则会崩溃~

这是用于文档图像分割的代码，用于从已降级的文档图像中分割前景文本。

我附上了 matlab 代码提取彩色图像的红色、 绿色和蓝色的飞机。它是对彩色图像的三个平面分析很有帮助。并且我们可以显示每个平面分开。

资源描述使用VS2013+opencv库，利用高斯函数实现图像的平滑效果，可以设置平滑的尺度

一个使用sobel算子检测图像边缘的算法，使用semaphore实现多线程运算，使得在检测较大图像时运行速度更快。

人脸检测

opencv2打开双摄像头，解决了opencv2在Linux下不能打开摄像头的原理，在Linux下，考虑大带宽的原理，在640*480分辨率下， Linux的带宽是不能支持两个摄像头i的，因此只能采用分辨率比较低的320*240模式，才能打开双摄像头。

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。