摄像机标定+鱼眼图像校正

代码是在QT+OpenCV的环境下实现的，视频素材是一段车流视频，基本实现了目标的检测，以及目标的跟踪，跟踪是用画矩形框体现的。代码是自己在学习opencv的过程中写的，希望对大家有帮助。

现将图像进行转化为单通道，在对单通道的图像处理，统计图像中像素点的分布情况，为后续的均衡化等提供支持，也可以在图像处理中减小数据的量，从而加快运行时间或者算法的时间，从实际上来说彩色图像是3通道，灰度是单通道，但是灰度图像仍保留了大量的信息。此例子也可以为初学者做一个展示。

opencv读取衣服彩色图像的rgb像素值，其中包括一些相应的dll文件，和可执行性代码。

鱼眼校正代码，自动定标，可完美校正鱼眼的图片，已经跑完。

光流法是用于目标跟踪：对于一个连续的视频帧序列进行处理；针对每一个视频序列，利用一定 目标检测方法，检测可能出现的前景目标；如果某一帧出现了前景目标，找到其具有代表性的关键特征点；对之后的任意两个相邻视频而言，寻找上一帧中出现的关键特征点在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置坐标；如此迭代进行，便可实现目标的跟踪。

使用vs2015加载opencv3.2，有瑕疵的最佳缝合线算法，诸位看官可以参考以下程序源码和实现方法，这个方法的问问题在与，选哟缝合的图像尺寸需要完全一直，不然程序的assert会报错，但是保证一致后，拼接的程序和拉普拉斯融合的算法拼接结果不是很满意。

基于VC++平台，利用opencv的库函数，对双目摄像机的采集图像进行特征点匹配。 匹配算法为经典的SIFT算法，利用图像尺度金字塔提取特征点，效果稳定。

在很多动作大片中，开启关键之门的密码都是人脸———通过摄像头扫描脸部特征，符合则自动开启大门，反之警铃大作。依次通过人脸检测、人脸对齐、人脸识别三个模块，才能完成验证。人脸支付存在的一大问题就是识别率不高，完美光线下识别率能达到90%，特殊光影下只有60%。以淘宝为例，每天上亿的交易量，即便是99.99%也是远远不够的。

基于opencv3.0， 对照相机拍摄的单张图片进行相机的单目标定，获得相机的内参矩阵 

opencv颜色识别的代码,翻墙下的，可以拿来参考一下！