Matlab与Opencv生成棋盘格图像代码

资源描述对摄像头、视频、图片中的人脸进行检测，并记录人脸个数

基于opencv的canny边缘检测功能实现。使用语言为C++;功能比较简单。只是简单的算法功能实现。

Bag of features（Bof）一种是用于图像和视频检索的算法，此算法的神奇之处，就在于对于不同角度，光照的图像，基本都能在图像库中正确检索。

审查的各块匹配的运动估计在 MPEG 编码中使用的算法。这一幅是为运动检测代码。

基于meanshift算法的图像分割，非opencv库函数，一网友自己实现的算法！

采用特征矩阵方法的人脸识别matlab源代码。其中包含实例图片和测试图片。图片的命名和matlab代码中的命名相对应。将压缩文件解压后就可以直接运行源代码。

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

数字图像的基本代码，初学者可以看看，进一步完善也挺方便                                                   

java代码中的图像嵌入；&卞

在图像处理方面的实际应用中，为了完成实际的需要，可能整个图像处理过程仅仅对一些图像目标较为关注，整个流程都是围绕着这些图像目标所进行的。按照实际需要，一副图像可以分为两部分：前景（对应于实际中要使用的图像目标）和背景（图像中非目标的其它区域）。在作物病害诊断系统中，对图像进行分割后，为了完成最后的识别过程，需要对分割后的目标图像区域的特征（颜色、形状等）进行提取和分析，因此，图像分割在整个诊断过程中是十分重要的。