histogramequalization

使用java编程实现的抖动图像的小程序，其中采用4阶矩阵｛0 8 2 10 ； 12 4 14 6 ； 3 11 1 9 ； 15 7 13 5 ｝，将彩色图像变为二值图像,生成一个bmp图像文件

整体功能： 自动车辆跟踪、 检测和拍照、 定位和 recognitionTracking 和拍摄功能可以几乎不被视为满足履行职能： 目标跟踪在一段视频： 圈对象手动第一 ；USB cameraFor 一辆车

C++图像处理技术百例，叫你玩转C++进行特殊图像处理。                                                            

DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕 DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕

锐化

资源描述使用c代码实现的联通区域标记，要求输入的是1和0的二值图像，然后使用堆栈方法标记出连通区域的个数，每个亮值点都标记出所属的联通区域标号，可以统计面积和筛选等。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

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。

导入彩色图片并转换成灰度图片显示出来，C++，RGB转灰度

Simulink 基于对象跟踪文件。它用于跟踪红色的对象并报告其位置插入图片的框架。Web cam 视频输入。此外跟踪此程序可以区分的对象，如下所示： -是红颜色的对象的基础 -绿色的颜色是前面的另外进行了定位的对象的对象 -最后的蓝颜色给作为对象的 ID： -一种蓝色颜色在红色的外框-内检测到标记为 1 -两个蓝色的区域，在红色的外框-内检测到标记为 2 等。 也使用 UDP 协议这个代码可以用来将信息发送到另一个实例的 matlab 运行，或连到另一台计算机。