Camera Mouse Control

应用背景图像处理在工业自动化的应用很广，本程序就是采用商业图像处理库halcon与MFC联合编程，对一环形物体进行内径和外径的测量，将检测的结果通过三菱PLC的专有计算机链接协议与PLC进行通信，从而实现工业自动化。关键技术如何用图像处理库halcon连接工业相机，如何采集图像，如何对图像进行处理，如何让halcon与MFC联合编程。如何实现三菱PLC的计算机链接协议（类似modbus协议），如何从.ini文件中读写数据。注：此程序必须要在电脑上安装halcon10.0版本，并链接相应的库。

应用背景道路提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。关键技术先对图像进行颜色空间变换，再应用C聚类对图像进行聚类，把图像分为道路和非道路，然后进行识别，实验表明，效果较好

使用Opencv库在VC++平台下开发的基于视频人脸检测和跟踪。人脸检测使用的方法是肤色分割和Gentle Adaboost算法。人脸跟踪采用的是Camshift算法和卡尔曼滤波算法。能得到好的处理结果。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

bundler,sfm,三维重建，冲击经典的源代码，相机标定，计算基础矩阵，冲击使用，超级实用，十分经典，张振有相机标定

一个用C/C++直接读取像素的例子，供底层源码学习。程序可以运行，直接读入照片，然后将像素内容读取到内存，读者可以查看照片DIB数据的每一个细节，供学习使用。

应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法，如method = 1; 4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";

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

图像处理，利用数学形态学的知识对字符图像进行处理；字符图像的端点提取，以及交叉点提取，T型端点检测有待完善。字符细化效果不是很好。