从视频中检测手势区域

膨胀和腐蚀的形态学图像处理中的两个基本算法。这些运算符，与不同的结构元素一起使用时可有效用于分割和对象提取二值图像去噪，平滑的物体边界和填补的漏洞和裂缝。在这项任务，我用形态学算子来提取的行数和图像附加包中还包含的词。步骤： 五官 imageApply 扩张与水平的结构元素，要合并的行中的所有字符。应用连通标记算法 （bwlabel） 找到的行数。使用一个较小的水平结构元素来一句话合并字符和再次使用 CC 标记算法在图像中找到的单词数。输出:

目标检测和跟踪在许多计算机视觉应用中非常重要，包括活动识别、汽车安全和监控。在本例中，您将通过将跟踪问题分为三个独立的问题来开发一个简单的人脸跟踪系统：

基于OpenCV的静态人脸检测程序的实现，已运行成功，人脸检测是目前非常前沿的技术，Adaboost算法实现起来也比较复杂，但应用OpenCV提供的函数和分类器进行人脸检测十分容易，主要包括训练和检测2个模块

资源描述 基于c++图像处理的BMP读写文件。。。写的一般，仅供参考吧                                                                     

基于增强主动视觉的人脸特征提取

经过改进后，画面刷新速度大大加快，绝对看不到任何的“扫描线”，帧数也从5帧一下就提高到了9帧，几乎是两倍于前的速度。这究竟是什么原因呢？让我来讲述其中的道理。因为圆是要一个一个画上去，所以每画一个圆，系统就要做一次图形的绘制操作，图形的重绘是很占用资源的，当需要重绘的图形数量很多的时候，所造成的系统开销就特别大，造成我们看到的那种刷新缓慢的情况。那么如何来解决这个问题呢？答案就是双缓冲，何谓“双缓冲”？它的基本原理就是：先在内存中开辟一块虚拟画布，然后将所有需要画的图形先画在这块“虚拟画布”上，最后在一次性将整块画布画到真正的窗体上。因为所有的单个图形的绘制都不是真正的调用显示系统来“画”，所以不会占用显示系统的开销，极大的提高的绘图效率。

本段程序主要实现的是视频的分帧处理，就是把一段视频分解为一张张图片，可以使视频转换为图片进行图片的处理。有的软件对视频格式要求严格，这就要求对视频的格式和大小进行转换和修剪，通过视频的分帧处理，就可以剔除掉没用的，或者不清晰的图片，然后再通过合帧处理，生成符合要求的视频。

资源描述 网上看了很多的教程，但是按照教程来其实是不行的，而且那大多是互相抄的，明显看的出来。这是我自己看书，然后咨询了很多人，一步一步的试，最后配出来了。 使用的是QT5.5.1，opencv使用的3.0 大家主要要看我的pro文件里面的INCLUDEPATH 和 LIBS里面的写法

文件包括图像平滑处理，灰度拉伸，梯度法锐化，拉普拉斯锐化，色彩变换 二值化，边缘增强等， 还有众多的直方图。是学习vb 图像处理的一个很好的实例！

包含两个程序，程序1是实现HE的暗通道先验去雾的程序，程序2是实现清华大学俞晶的基于暗通道和双边滤波的图像去雾的程序，可以直观的比较两者的差别。