Eye Controlled Robot

代码是谢凤英数字图像出来的demo,对于学习数字图像出来的同学来说是个很好的demo,其完整性，可移植性都很不错！

AETTTTTTTTTTTTTTTTTTTTTTTTTTRBargattTTTTTTTTTTTTTTTTTTTTTN4T6N46666666666N64BKKKK；bbbbbbbbb；PJBHPGHGGGPPG

此文件包含三个 dll 文件的 Gabor 滤波器在 C# 中，对图像处理中，它是非常有用的作为 C#.net 中的参考

跟踪不同数量的非刚性物体有两个主要问题。首先，观测模型和目标分布可能是极度的非线性和非高斯性。其次，大量不同数量的对象的存在创造出带有重叠和模糊的复杂相互影响。为了克服这些困难，我们引入了一套能研究、检测、跟踪参与的对象的视觉系统。

本程序是通过matlab编写，亲测可用，主要是实现BMP文件通过DCT、Huffman编码、游程编码成为一个txt的数据流文件，也就是只有0和1的文件，便于传输和保存。

数字图像处理(冈萨雷斯matlab版)工具包 提供了很有帮助的函数库 对于实现书上的例子和，程序验证很有帮助，并对实际的工程开发也有一定的帮助

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

基于opencv边缘提取的，实时显示视频的边缘信息，c++程序

流程：原始图像——傅里叶变换——频率域滤波处理——傅里叶变换——增强后的图像。在具体进行频率域的各种处理滤波的前后,进行了傅立叶变换以及傅立叶反变换.这两个变换的过程就是将空间的信息分解为在频率上的表示,或者将频率上的表示转化为空间上的表示,两种变换是互为逆变换的.正是通过傅立叶正反变换的处理,才使得频率域上的处理可以用于图像的增强

在视频显示任务的循环中，程序首先将视频数据从输入缓冲区读入自己开设的临时图像处理缓冲区，再在临时图像处理缓冲区上进行处理，处理后的数据再输出到输出缓冲区。