采用模式识别中的C聚类方法对图像中的道路进行识别

里面两个函数，一个是图像下采样的函数，另一个是负责调用，以及采样后还原到原图进行误差评测的函数。调用后者即可。

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

图像的分块程序，编程语言C++，开发平台VS2010，调用OpenCV实现。代码中，可以通过参数设置分块的数量与大小

使用canny算子进行边缘检测，带有测试图片，其中包含已经编译好的部分代码，可以直接运行

应用背景 很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能 关键技术 采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标 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

本程序代码是在VS2010下opencv的GPU编程，通过简单的示例可以了解到如何使用opencv进行GPU编程，此项目是在配置环境为opencv2.4.9+vs2010。如果你的配置环境有误就有可能运行不了，opencv_gpu.cpp内容可以在其他系统的相关条件下同样可以运行。

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术

利用PCA方法对人脸图像进行特征提取和降维，人脸数据是英国剑桥大学的ORL人脸数据库是英国剑桥大学的ORL人脸数据库。可以自己选择样本数目进行测试不同样本时PCA的识别率，适合初学者！

OpenCV摄影机+OpenGL对象

盘说明 本光盘的资料分两个文件夹存放： “各章测试图”文件夹存放本书各章需要处理的相关图像或者视频文件。 “源代码”文件夹存放本书各章的源代码，已经通过测试，读者编译后即可运行。 本书的代码在Visual C++ 6.0环境下调试通过。 视频目标检测演示框架说明 视频演示算法包括： 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