结合Camshift和Kalman

原创图像分割程序。实现工作台表面缺陷的自动分割。基于梯度图操作，对得到的梯度图进行开运算去噪，然后二值化后经过一定的形态学处理可以得到缺陷轮廓。但由于噪点过多，因而效果不理想。本程序通过在两个尺度上同时操作，高尺度的图精细，噪点多；低尺度的图粗糙，但包含的噪点少。因此在用低尺度图得到的结果作为种子图，用高尺度的图作为生长依据，最终得到理想的分割结果。

proamam加载URL摄像头在线，捕获WebBrowser Delphi在大街摄像头在街上巴西 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 basler相机调用程序 读取相机数据 抓取图片，图像处理

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

应用背景图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。关键技术现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

图像小波融合代码。 小波变换是将图像分解成频域上各个频率段的子图，以代表原图的各个特征分量。这对后续的融合处理极为重要，使得融合处理可以根据不同的特征分量采用不同的融合方法以达到最佳融合效果。图像的融合策略（方法）是图像融合的核心，方法与规则的优劣直接影响融合的速度与质量。 在一幅图像的小波分解中，绝对值较大的小波高频系数对应着亮度急剧变化的点，也就是图像中对比度变换较大的边缘特征，如边界、亮线及区域轮廓。融合的效果 就是对同样的目标，融合前在图像A中若比图像B中显著，融合后图像A中的目标就被保留，图像B中的目标就被忽略。这样，图像A、B中目标的小波变换系数将 在不同的分辨率水平上占统治地位，从而在最终的融合图像中，图像A 与图像B中的显著目标都被保留。

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。    

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。

应用背景数字图像处理VC实现，对maltab，或VC的初学者，理解和运用各种图形图像处理算法，是很有帮助的，希望能够在数字图像处理，或者VC编程的方面，给你带来帮助。关键技术各种具体的图形图像处理算法比如图像变换，图像增强，图像运算，显示等等，当然也包括一下具体应用，比如图像压缩，图像编码，图像重建等等方面。

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。