基于nios的ov7670图像采集系统

C++写的读取并打开显示bmp图像文件，界面操作简单，功能可扩展性强，这是一个基于MFC对话框的程序，程序简单易懂，适合初学者熟悉MFC的基本知识编程...

基于人脸识别特征脸......与示例代码创建培训数据库然后在识别过程中使用它

图像融合操作的非常完美的源程序图像融合操作的非常完美的源程序图像融合操作的非常完美的源程序

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

这是一套简单的能动态、自动识别图片中信息的代码。它基于Labview的NI Vision（视觉与运动）模块，可以调用USB摄像头或笔记本摄像头获取原图，然后选中原图中的信息作为模板进行学习。学习完成后再用摄像头拍摄，Labview将自动框选中要匹配的信息。

资源描述 同态滤波增强是把频率过虑和灰度变换结合起来的一种处理方法。它是把图像的照明反射模型作为频域处理的基础，利用压缩灰度范围和增强对比度来改善图像的一种处理技术。它在密度域中运用相当成功。 一幅图像f(x,y)可以看成由两个分量组合而成，即 f(x,y)=i(x,y).r(x,y) i(x,y)为照明分量（入射分量），是入射到景物上的光强度； r(x,y)为反射分量，是受到景物反射的光强度。 具体步骤如下： （1）先对上式的两边同时取对数，即 Inf(x,y)=Ini(x,y)+Inr(x,y) (2)将上式两边取傅立叶变换，得 F(u,v)=I(u,v)+R(u,v) (3)用一个频域函数H(u,v)处理F(u,v)，可得到 H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v) （4）逆傅立叶变换到空间域得 Hff(x,y)=hi(x,y)+hr(x,y) 可见增强后得图像是由对应照度分量与反射分量得两部分叠加而成。 （5）再将上式两边取指数，得 g(x,y)=exp|hff(x,y)|=exp|hi(x,y)|+exp|hr(x,y)| 这里，称作同态滤波函数，它可以分别作用于照度分量和反射分量上。                                          &nbs

应用背景道路提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。关键技术先对图像进行颜色空间变换，再应用C聚类对图像进行聚类，把图像分为道路和非道路，然后进行识别，实验表明，效果较好

所上传的压缩文件包是基于matlab语言所编写的 100个图像处理源码 ，包括图像旋转，图像运算，图像灰度变换等，希望对您有帮助，欢迎下载

超像素分割，包括源码、EXE可执行程序、测试图像、使用说明等。代码完全可执行，不需引用其它库，不需进行其它设置。超像素分割一般对图像分割会形成过分割，所以可将其作为一般图像分割前的预分割处理，可用于模式识别等领域，当然也可用于医学图像分割领域。 程序基于文本框在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择分割的图像，如下所示：点击开始按钮选择图片 ，该图是一幅神经元线粒体的显微片 ：然后选择处理图片的存储位置：处理后的图像如下所示：改变参数超像素点的目可以得 到不同的结设计，这需要根据实际来进行选 到不同的结设计，这需要根据实际来进行选 择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将像素点取为 200 ，得到如下所示结果： ，得到如下所示结果： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

资源描述最全的OpenCV示例源代码. 这个资源包含了opencv中主要函数的几十个示例，详尽而且具体，并且附有程序运行所需的素材，对于学习opencv具有很强的帮助作用