DrawCli绘图软件

本图像处理程序实现对灰度及彩色图像的基本操作,如图像的打开，关闭，保存；图像的基本处理，如图像放大、缩小、二值化处理、裁剪、浮雕处理、图像增强、直方图等等。

应用背景图切算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。本文简单介绍了图切算法和交互式图像分割技术，以及图切算法在交互式图像分割中的应用。关键技术 交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。

本代码是关于交通灯的检测与识别，可以检测并识别红色交通灯，通过把RGB图像转换成HSV图像，分割出红色信号灯，然后根据圆形度去除过大或过小的干扰区域，最后在原图像上显示检测出的红色交通灯。本代码同样可以检测和识别绿色以及黄色交通灯，只需修改HSV图像的取值范围。

这是一个基于摄像头的Arm单片机开发的系统程序，具有非常大的所用价值                                                  

利用粗糙集进行图像去噪，输出无噪声的图像

资源描述H264编解码器源代码，包括H264编解码播放器和编解码的源代码

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

使用IR 模块  DE2-115 开发板配备有一个红外接收（IR）模组（型号：IRM-V538N7/TR1），相关的电路图可以在DE2-115 系统光盘里面的DE2_115_datasheetIR_Receiver 目录下找到。需要注意的是，这个一体化接收模组，仅兼容38kHz 载波脉宽调制模式。附带的使用uPD6121G 芯片编码的遥控器可以产生与接收器匹配的调制信号。

目的是实时视频处理中识别出对象。使用示例 Grabber 滤波器来获得网络摄像头源的帧我成功将类似颜色的像素分组。 在另一个处理层，对象会通过表观速度和常数边界关联到这些组，这样就可以将不同颜色或图案的对象识别为同一个物体