3D显示程序

应用背景三维测量中一个重要的分支就是利用投射光栅条纹进行测量，其中一般采用投影仪投射条纹图像，我使用的是三角波模拟生成的条纹图像代替正弦波，其目的主要是加快测量速度，高速测量就能实现动态物体也能运用如相移法等高精度的测量算法。关键技术高速的条纹图像的投射，对调制图像准确的解相，去除噪声背景等的干扰，解相算法上的选择，算法整体速度的优化等，这些问题都有待解决。

应用背景在自动识别方面的研究主要集中在统计方法上。这已导致的规范和提取的统计特征，如运行长度分布，倾斜分布，熵，和边缘铰链分布。边铰分布特征优于所有其他统计功能。边铰分布是一种特征，其特征是一个书写方向的变化手写文本中的笔画。通过一个窗口，提取的边缘铰链分布滑动过的边缘检测到的二进制手写图像。每当窗口的中央像素是在，这2个边缘片段（即连接序列的像素）从这个中央像素出现被认为。测量和存储的方向作为对。联合概率分布是从一个大样本，这样对。关键技术我们改进了劳伦斯范德华maaten优秀的包装可在http://www.cs.unimaas.nl/l.vandermaaten/laurens_van_der_maaten/software.html笔迹鉴别。我们认为一个完整的二维概率分布，需要考虑的角度，对所有可能的组合，比原代码。代码已经使用我的笔迹数据库的测试，可以在HTTP：/ / www.iam。unibe。CH / ~ FKI / iamdb /。关键词：MATLAB源代码，识别，，作家，作家匹配，作者验证，在线作家识别，边铰链，手写，手写。

这是对于在所撰写用matlab光学字符识别。这代码的一个例子。光学字符识别（OCR）的目标是光学图案分类（通常含有在数字图像）相对应的字母数字或其他字符。 OCR的过程包括几个步骤，包括分割，特征提取和分类。每这些步骤本身就是一个场，并简要介绍了这里的Matlab的背景下实现OCR的。

cximage不好编译，最新版本7.02这个是我经过验证可用的 简单介绍下CxImage类的简单用法，希望给刚接触CxImage的朋友带来一些帮助，我使用的工具为vs2005 打开CxImage工程后可以看到下例这些工程： - CxImage - CxImageCrtDll - CxImageMfcDll - dome - domeDll - jasper - jbig - jpeg - libdcr - mng - png - tiff - zlib 编译后生成一系列的lib、dll文件，这些文件就是我们所需要的。怎么用，我后面会进行介绍。 1首先我们要确定在程序中是希望静态链接还是动态链接，在这里我建议大家使用动态链接，因为这个库有点大，如果使用静态链接的话你的应用程序体积会额外增加1MB多。 2。然后确定在MFC中使用还是在CRT环境中使用，这个库专门为你建了这两个工程来创建不同环境中使用的运行时库，跟据你的需求来选择编译CxImageCrtDll还是CxImageMfcDll工程，如果你希望使用静态库链接的话除了这两个工程不需要编译其它的工程都需要编译。并且在引用这个静态库的时候要把这些所有编译过的工程里的*.lib全部拷到你的程里去。   以静态链接为例： 1、编译完工程后，将以下文件拷到你建立的工程里去 先将头文件拷到你的工程里新建文件夹的include去： xfile.h、ximacfg.h、ximadef.h、ximage.h、xiofile.h、xmemfile.h， 使用静态链接需要拷以下文件到新建的文件夹lib

本文件包括CxImage生成库的源代码和相关库的使用实例代码，它可以快捷地存取、显示、转换各种图像。

C++环境下的k-means聚类算法，实现图像分割，运用k-means算法实现对图像的分割，内有详细的程序说明，实现方便，利用vc++6.0 实现，编译环境

matlab练习程序（Hilbert图像置乱） 正好刚写了Hibert生成曲线，不如再加一篇应用的程序。关于Hilbert图像置乱，我在网上搜的应用领域主要集中在数字水印和图像加密上，而这两个领域我都没怎么接触过。大部分的图像置乱都是如下图的置乱1所示，至于置乱2则是我不小心生成的。置乱1是先把原图按hilbert曲线进行赋值，拉成一条一维数组，再reshape成一副图像。

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。

应用背景阈值分割是图像分割的一种最简单的方法。在全局阈值，对图像中所有的像素的单阈值用。当组件的像素值，背景相当一致的在各自的价值观在整个图像，它输出一biinary图像 ；代表分割。关键技术C #工具实现的全局阈值分割算法

运用6种算法进行肤色分割，基于opencv1.0+VC6.0，包括RGB、GB，HSV、Otsu、YCbcr，效果很好，而且都是写成子函数的形式，调用方便。稍微修改下参数就能在环境中很好地检测手势和脸部区域。