opencv小程序（hough/kalman/仿射/透视）

提出了一种新的适用于自主驾驶系统的车道线检测----基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像，截取感兴趣的下半部分进行灰度变换，得到灰度图像；其次采取高通滤波，小波变换，来进行边缘增强与检测；之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车最后采用粒子滤波进行车道线的跟踪。实验表明，该算法简单、鲁棒性强,能准确地检测到车道标识线。

应用背景人脸检测技术是一种在数字图像中识别人脸的计算机技术。它可以检测到人的面孔，然后可用于识别特定的脸。这项技术目前正被用于各种各样的应用中。请检查我的代码关键技术用emgu haarcascade CV。 ；emgu CV  ；是一个跨平台的。净包装的OpenCV图像处理库。允许OpenCV函数被调用。网兼容的语言如C #，VB，VC + +，IronPython等的包装可以编译在单声道和运行在Windows，Linux，MAC OS X，iPhone，ipad和Android设备。

本代码是利用图割技术最大流最小割算法来优化能量函数，从而达到图像分割的目的

嗨，这个程序可以认识到从他们的虹膜的人的脸呢。项目的特点，该项目是利用并行处理 GPU 和并行处理的肌电图类使用人脸检测。

计算机X线摄影(CR)作为当前医学影像技术的主流，有非常多的优点，比如价格相对较低，数字化图像便于后期处理，特殊部位摄像的不可替代性，等。但是在实际应用过程中，CR图像的质量也受到各种因素的影响。比如失真、模糊、噪声以及各种各样的伪影等等。滤线栅伪影便是其中之一，本文主要讨论如何用数字方法去除滤线栅伪影对CR图像的影响。在X线摄影中，会产生一些方向不同的低能量的散射线，这些散射线使图像产生灰雾，影响图片的清晰、度。为了吸收这些散射线，通常使用铅条排歹lJ而成的滤线栅，但是有时滤线栅的影子会投在成像板上，形成条纹状的滤线栅伪影。通过实验，可以看到均值和中值滤波处理对于本课题意义不大，非但没有去除伪影，还造成了图像模糊，效果甚至比不上原图。空间域滤波还有最大值最小值滤波、中点滤波等等，但是对于本课题来说效果都不好。所以基本不考虑空间域滤波这个方向。

HSV图像更接近人的视觉，且算法较简单。好多情况下需要把图像从RGB颜色空间转换到HSV颜色空间。本程序实现RGB颜色空间图像转换到HSV颜色空间，并分离成H，S，V三个单通道，显示原图像与HSV三个通道图像。

ＭＦＣ多文档＋ＯＰＥＮＣＶ１实现各种基础的图像处理算法，提供一个统一框架，可以再增加功能

通过模糊c-均值（FCM）聚类实现图像的分割。动态聚类方法的目的是把n个样本划分到c个类别中的一个，使各样本与其所在类均值的误差平方和最小

资源描述 采用了边缘检测法先检测出绘图图像的边缘，再hough直线拟合，拟合出图中的直线。由于这样查找到的直线非常多，所以先筛选掉角度明显有误的直线，在剩下的直线中保留最长的一组。 然后根据栅格扫描的方式进行逐行扫秒，把得到的交点，和道路中间的灰度小块进行块匹配，因为道路的分道线和道路的颜色是不一样的，根据块匹配区分该点是在分道线上还是在道路上，统计得到中心点左右两侧最匹配的两条直线，作为检测到的道路车道线。

在一张纸上写了非常多的数字，然后利用遗传算法进行训练，最后对样本数字进行识别