opencv实现图像的批量定位切割

用VC6.0编写的图像拼接程序，能够将两幅有重叠的图像拼接成一整副图像，有360度全景的感觉，希望能给大家参考

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，

基于模板的匹配。主要是利用种子模板的方法，对一幅图像进行检测。适合新手学习，望高手绕道。

android视频录制，模仿微视，支持按下录制、抬起暂停。进度条断点显示。视频录制存在的问题：1.如何获取摄像头的数据2.如何把获取到的数据保存到视频文件中3.如何录制音频，并和视频合并4.录制视频时如何实现暂停功能5.android摄像头支持

是一个很好的对于案例采用matlab的源码形式，很好的解决了实际出现的问题，对于初学者而言能够很好的接触和学习!也可以在很大程度上用于其他的用途。

图像匹配就是用模板图像和待匹配图像上的搜索窗口之间的像素灰度值的差别，来表示二者的相关性，相关性的大小即可表示匹配的准确率，使用fft算法实现两幅图像的互相关匹配，可以对有角度旋转的图像实现匹配。

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。

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

输入为要分解的矩阵、端元数、迭代次数、参数喇嘛塔   主要输出为丰度和端元  次要输出为obj还有迭代了几次 该程序用于高光谱分解，是在乘性迭代的基础上进行的改进，是的每个点都能达到稳定收敛。