Image_Viewer

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。

决策树C++实现，可用于数据分类、图像处理等，多棵决策树可组成随机森林分类器，代码中自带简单分类样例

使用DirectShow和opencv开发的多目标跟踪程序。openCV采用1.0版本。可以完成视频的目标跟踪。

这是图像的极坐标变换！

Adaboost 是一种二元迭代算法，其核心思想是针对同一个训练集训练出若干若分类器，然后把这些弱分类器集合起来，构造一个更强的强分类器，使得识别效果更佳。Adboost算法常常用在计算机视觉与模式识别领域的研究课题中，如人脸检测、人机交界、目标检测等。Adaboost算法不仅计算复杂度低，而且是一种高精度分类器，不会出现过拟合现象。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

twain的最近规范  最新发布的twain规范 对于Twain Specification 2.2  可以提供最近版本的twain类方法等描述和函数  twain的最近规范  最新发布的twain规范 对于Twain Specification 2.2  可以提供最近版本的twain类方法等描述和函数  

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

简单介绍实时曲线显示的内容，在工业控制领域，实时显示当前温度，以曲线图的形式展现出来。仅供参考

频率步进雷达一维成像，高分辨距离像HRRP，设置好了参数，点击即可运行出结果图，能计算散射矩阵