基于VC、DirectShow和OpenCV的摄像头捕捉视频的例子

应用背景图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合关键技术小波分解与重构，好用小波分解与重构，好用小

这个程序用来计算图像的离散余弦变换。用于执行离散余弦变换的方法是常规行-列。离散余弦变换是图像处理 trnasform 有权从空间域向频率域图像中非常重要的。程序注释将帮助您了解该过程。

它包含将视频转换为yuv并使用h.264视频编解码器进行编码的过程。它将在单独的目录中生成一个yuv视频，并使用x264api对其进行编码。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

资源描述应用canny对边界提取后，在应用局部线性回归对边界进行平滑，最终得到平滑边界，在和原图进行比对，适合初学者，程序简单，参数可以适当改变

OpenCV摄影机+OpenGL对象

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。本代码是基于HOG特征值的算法，在时间和准确性上都十分不错。 具体的，分类器的选择问题.ALT和ALT2效果较好，ALT _Tree检测时间略长，默认的准确性较差，所以应选用ALT或ALT2

这是对图像中的人脸提取其中的LBP特征，用到了OpenCV中的图像的类型IplImage，将图像中的人脸的纹理提取出来，这样便可以消除光照对人脸图像的影响，对于图像中的有用的信息表示为1，其他表示为0，这样就可以将lbp特征显示出来

基于Visual Studio 2010的计算机视觉+ openCV2.4.5得到的10对图像，以计算出摄像机，包括焦距，旋转和转换的更确定的参数，并计算点的3-D世界。与一些像素误差，但好于几乎整个采样图像。

此代码是图像的创建编辑和操纵系统的原型。算法所实现特定图像作进一步处理。反相、 灰度、 对比度、 阈值和颜色筛选器通常在此系统中根深蒂固。获取模糊、 锐化效果可以使用这一系统。通用图像处理选项如镜子 (上、 下、 左、 右） 和翻转 （垂直和水平） 也可使用。简单分割功能也包含在这种设计