从别的网站上找到的hough检测圆,vc++源代码

关于图像的几个基本操作，包块打开图像，对图像的缩放以及图像的移动等操作。本软件是基于ＱＴ进行编程实现的，对于初学ＱＴ的同学具有一定的借鉴和学习的作用，希望对初学ＱＴ的同学有一定的帮助。谢谢

有的行人检测演示和测试此压缩文件中的一些照片。 与 OpenCV 2.3.0 的图书馆，我发现，使用默认分类器的行人。该功能是面向梯度直方图和分类的方法是支持向量机。 "hog_svm_image.cpp"正在检测一系列的名字列在一个文本文件中的照片。 "hog_svm_avi.cpp"从一段视频，只检测一个由一张图片，而无需使用跟踪方法检测到。

资源描述自己写的几个经典图像滤镜，熟悉图像处理算法，随后将双边滤波美白磨皮也加上，以及二乘拟合，模拟当下流行的经典滤镜效果

本算法是多年图像处理的工作总结   很实用  直方图均衡化  噪声的消除  是图像更清晰，图像取样后，样本的灰度值是一个模拟量，在用计算机对其显示和处理之 前，必须进行量化处理，而量化的过程实质上是多对一的不可逆的对应过程。 这样不可避免的引入了量化误差，解决这个问题的方法之一就是对图像按灰度 分布密度进行非均匀采样。

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

非负矩阵分解是今年来提出的一种新的方法，其在图像处理，机器学习，模式识别，高光谱图像解混等领域都有很广泛的用处。这里是将它用在人脸识别上！

这是一个人脸识别演示/算法测试程序，基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.0，其中ASM人脸对齐部分还用到了OpenCV 1.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。  整个工程可以分为3个部分：算法、功能和应用。 算法部分：算法部分目前分为4个模块：人脸对齐、光照归一化、特征提取和选择、子空间降维，每个模块是一个项目，每个项目生成一个dll供功能部分调用。 功能部分：功能部分只有一个项目FaceMngr，该部分依赖于算法部分，实现人脸注册、训练、识别、导入/导出等具体功能。该项目生成一个dll供应用部分调用。 应用部分：应用部分依赖于功能部分，实现了与人脸识别有关的应用，目前有两个项目：人脸识别演示程序frtest，和利

应用背景演示3dstereo三角形C++ DirectX d3dvertex SetRenderState d3dtransformstate_projection， ；stereorender DrawPrimitive关键技术HRESULT stereorender（lpdirect3ddevice7 pd3ddevice，int ieye）{ ； ； ；d3dmatrix matview，matproj； ； ； ；浮fmview_41，fmproj_31； ； ； ；d3dmaterial7原料； ； ； ；zeromemory（&；原料，sizeof（原料））； ； ； ；zeromemory（&；matview，sizeof（d3dmatrix））； ； ； ；zeromemory（&；matproj，sizeof（d3dmatrix））； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_view，&；matview）； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_projection，&；matproj）； ； ； ；/ /保存当前视图 ； ； ；fmview_41 = matview _41； ； ； ；fmproj_31 = matproj _31； ； ； ；/ /改变/投影矩阵 ； ； ；matview。_41 = fmview_41 + ieye * g_famp； ； ； ；matproj。_31 = fmproj_31 + ieye * g_fzp； ； ； ；pd3ddevice - & gt；settransform（d3dtransfo

在场景图像上通过模板匹配技术，找到与之匹配的精确定位位置，程序中对于每个模板分别给出了最后的目标定位位置坐标，默认左下角的坐标为（0,0），得到偏差