Eye Controlled Robot

应用背景meanshift是由Comaniciu最先提出来，是用于跟踪非刚性物体的一种算法。为了表征目标，首先需要选择一个特征空间。参考目标，用在特征空间中概率密度函数q表示，例如参考模型可以选择目标的颜色概率密度函数。不失一般性，目标模型可以认为中心处于其所在空间的中心。在下一帧候选目标被定义为在位置y，用概率密度函数p(y)来表示。关键技术本算法结合颜色和纹理信息对目标进行跟踪，里边包含测试的视频文件。目标和候选直方图之间的相似度函数记作公式(1)，相似度的局部最大意味着在候选模型与目标模型匹配。如果仅考虑颜色信息，候选区域的相似度变化会很大，匹配效果不好。为了得到一个连续性的相似度函数，在空间域内，用一个核函数对目标 区域做滤波处理。

基于OPENCV的Retinex，代码简单实用，处理效果明显！处理低能见度，去雾效果特别好，在此基础上用户可以自己编写MSR，及MSRCR的算法，希望能对你有用

面对通过USB摄像头的实时拍摄的图像识别的例子。它的演示。没有在个人电脑上，但在嵌入式主板，如比格板性能问题，它需要的优化配置。它的运行速度非常慢。

用网格序列法生成等值线，网格序列法最简单普通的实现，利用线性插值，依次处理每个网格，是可视化课的小作业，做的略粗糙，哈哈~

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

微软开发的静态图像编解码器， 微软最初将其命名为Windows Media Photo，但微软为了推广此技术，在2006年更名为不带公司色彩的HD Photo。在Vista操作系统以及Adobe等软件中已支持这种新的文件格式。 微软提出HD Photo的目的是设计一种压缩性能与现有技术相当而复杂度较低的图像处理技术。基于块变换的HD Photo，其压缩方案与传统图像压缩技术类似，由颜色转换、可逆交叠双正交变换(LBT)、灵活的量化方式、块间预测、自适应系数扫描以及熵编码组成，可以实现渐进尺度化编码。其中LBT

Box2D是一款用于2D游戏的物理引擎。在Box2D物理世界里，创建出的每个物体都更接近于真实世界中的物体，让游戏中的物体运动起来更加真实可信，让游戏世界看起来更具交互性。Android平台常见的十几款游戏引擎中，例如：Rokon、AndEngine、libgdx等物理引擎都封装了Box2D物理引擎，可见Box2D在物理引擎中占据了多重要的位置。

这个程序使用拉普拉斯滤波器和高斯滤波器对锐化图像，图像处理的像素使用指针

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

这个球面化算法最初是在ps上的球面化滤镜中看到的，感觉挺有意思，就研究了一下。算法的详细推导可以在这篇博客中找到，我比较懒，只在纸上推了一遍，就不在博客上编辑了。不过这里还是要把逆变换公式写一下。