跟踪使用 opencv 的颜色

基于内容的图像检索，即CBIR(Content-based image retrieval)，是计算机视觉领域中关注大规模数字图像内容检索的研究分支。基于内容的图像检索的研究还涉及了图像处理(Image Processing)、图像检索(Image Retrieval)等多个研究领域。简单的CBIR系统，允许用户输入一张图片，以查找具有相同或相似内容的其他图片。而传统的图像检索是基于文本的，即通过图片的名称、文字信息和索引关系来实现查询功能。用户输入一串文字，检索系统给出与该文字直接相关的图片。

应用背景这是加载一个BMP文件转换成一个矩阵的应用。我们做二值化与阈值并保存成BMP文件。这个应用程序使用在细化过程。这个应用程序的想法很简单，只是比较和阈值，将给予0或255的价值。关键技术该算法的思想是很简单的，只是比较的每一个值在一个阈值，结果将0或255的矩阵。二是白色或黑色，所以这种方法是用来使画面变成白色，黑色。

资源描述这只是一个简单的人脸识别代码，有需要的可以下载去看看。    

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。

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

利用IDL编写的，实现了掩膜、 波段合成、 主成分分析 、缨帽变换、 水体指数（ndwi）、 归一化植被指数（ndvi）。

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。

ffmpeg 的api 使用例程。很不错，对学习ffmpeg的人很有帮助！有问题可以给我留言，共同学习交流！

自己编写的C代码，在windows平台下读入彩色rgb图像，预留出图像数据指针，然后将彩色图像通过变换公式变为灰度图像，已编译可运行。

图像细化算法大全,C语言哟，很少免费开放下载的