Android的眼睛检测和跟踪与OpenCV

使用改进的GAC算法对图像进行分割，图像中的偏微分方程课程的一门课堂作业，在图像分割的效果上有很大很大的改进，分割效果也很不错！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

图像增强技术是图像处理领域中的基本技术之一。图像增强的目的是信息的改进的可解释性或感知在图像中的人类的观众，或为其他自动化图像处理技术提供更好的投入。近年来，灰度图像增强技术发展迅速。这些算法有一定的灰度图像增强的效果。然而，我们通常处理在日常生活中的彩色图像。由于诸多因素，如有限的动态范围、 照明的影响和显示设备，获得的图像质量的下降，这意味着许多重要的信息很难被人告诉 的眼睛。同时，它是不适合直接使用灰度图像增强技术的彩色图像。因此，我们需要开发彩色图像增强技术，处理的问题。与灰度图像相比，彩色图像仍有颜色的信息，所以那彩色图像是灰度图像比更生动。现在，基于人眼视觉特性，许多彩色图像增强算法已被提出。Retinex 是一种有效技术的彩色图像增强，可以产生很好的增强的效果。但增强的图像具有颜色失真和计算比较复杂。一种鲁棒的彩色图像增强算法。该算法可以提高彩色图像不失真，但彩色图像的边缘不能处理得好。该算法使用高斯滤波估计的背景图像。高斯核函数是各向同性，这会导致不准确估计的背景图像，从而导致的光晕现象。提出的算法包括三个主要部分 （1） 获得亮度的图像和背景图像，（2） 自适应调整，(3) 彩色恢复。

< 跨度 style="font-size:11.0pt;line-height:115%;font-family："">"前景"的图像中的对象现在变得变换后的图像的直方图这 scripttransforms 这样的图像。

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符

对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。 程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文

先用视频前几帧进行帧间差分，用cvFindContours()得到二值差分图像中最大的连通块作为camshift的初始选择框 程序做的不完善，只能针对类似test.avi的视频进行测试。(读一下函数GetBlob（) 可能有些压缩格式的视频打不开，需要安装Xvid解码器

在区域匹配算法中,通常使用的相似性测度函数主要有:SSD、SAD、ZSAD、NCC、ZNCC等。最简单的相似性测度函数有绝对误差和(the Sum of Absolute Differences，以下简称SAD)。 

资源描述 这是一个opencv保存视频图像的代码，想学习这个方面的可以下载学习，结合C/C++ 相关的内容，值得大家学习，欢迎交流， 祝你生活学习愉快。

形态学操作是最近才提出的新的方法，在matlab中有很好地运用，但是在opencv中函数明显不足，而且还有问题，可用性不高。本程序实现了c++环境中的多种形态学操作，如：开、闭、膨胀、腐蚀、骨化、细化等。可以说是很有用处的，已经调试，没有问题。

人脸识别是一个容易为人。实验在 [Tu06] 表明，甚至一到三天的婴儿是能够区分已知的面孔。所以有多难能的计算机吗？原来我们知道一点关于人类识别为日期。内部功能 （眼睛、 鼻子、 嘴） 或外部功能 （头形、 发际线） 用于成功的人脸识别？我们如何分析图像和大脑如何编码它吗？它显示了由大卫 · 哈贝尔 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报