指纹识别及算法处理

opencv1.0+VC6.0/VS2010均可，通过摄像头获取的视频图像，并对其不同BRG三个通道分别做直方图统计，并分别画出其三个通道的直方图，具有一定的参考价值，可以为视频图像的后续处理做铺垫，欢迎大家一起学习交流。

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。

这个 c + + 程序演示了如何检测行人使用 OpenCV 函数图像上。猪和支持向量机基于的识别。

应用背景本科毕业设计，题目为 《基于深度学习的车辆识别系统》。本代码为对图片的批量处理，将图片用opencv转换为文本数据形式。关键技术对图片进行批量转换，由于深度学习模式是对向量进行学习，本处代码主要为将指定文件夹内的图片全部转换为0~255间的数字组成的向量，并存到文本中

Harris检测角点的方法，能够很好的检测出棋盘格内的角点数目，基本无误检。

在传输的多信道图像，图像已损坏的椒盐噪声，由于通讯故障。盐和胡椒粉噪声也被称为脉冲噪声。滤波的目的是要删除的冲动，使噪声免费的形象完全恢复与最小的信号失真。 最著名和最广泛使用的非线性数字滤波器，基于高阶统计量是中值滤波器。中值滤波器以他们的能力，而不会损坏边缘去除脉冲噪声而著称。中值滤波器以他们的能力，去除脉冲噪声，以及保留边缘著称。 有效清除的冲动往往会导致图像的模糊和扭曲功能。理想情况下，过滤应该只应用于已损坏像素同时保持廉洁的像素不变。无条件地跨整个图像应用中值滤波作为实践在常规方案中会不可避免地改变强度并删除廉洁像素的信号细节。因此，两袖清风的像素和应用非线性滤波前的已损坏的像素之间的歧视噪声检测过程是非常可取。 自适应中值是一"基于决策"或"开关"筛选器，第一次用于标识可能的噪声像素，然后替换它们

所有的图像增强技术已经被包括在这个特殊的项目。

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

纯c语言写的俄罗斯方块，简洁，对新手帮助很大。游戏还可以闯关，速度变快等等

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享