SIFT算法源码

基于opencv对图像实行双线性插值缩放以及最临近插值缩放#include "highgui.h" #include "cv.h" IplImage *src=NULL; IplImage *dst1,*dst2; void main() { double scale1=0.1; double scale2=10; CvSize dst1_size; CvSize dst2_size; src=cvLoadImage("E:学习VC文件c++ pricticepro1pro1.jpg"); //缩小系数 dst1_size.width=(int)(src->width*scale1); dst1_size.height=(int)(src->height*scale1); dst1=cvCreateImage(dst1_size,src->depth,src->nChannels); cvResize(src,dst1,CV_INTER_NN);//像素插值(最邻近插值)缩小 //放大系数 dst2_size.width=(int)(dst1->width*scale2); dst2_size.height=(int)(dst1->height*scale2); dst2=cvCreateImage(dst2_size,src->depth,src->nChannels); cvResize(dst1,dst2,CV_INTER_NN);//像素插值(最邻近插值)放大 cvNamedWindow("原图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后再放大10倍还原图",CV_WINDOW_AUTOSIZE); cvShowImage("原图",src); cvShowImage("缩小

VTK ,三维重建, 程序.

  基于模板匹配操作比较简单，实现效果也是比较好的。该方法的主要思路是待检测图像与先前做好的模板图像之间提取的特征向量逐个进行比较，计算它们之间的相似度，然后将图像归于相应的类。本次实验使用的模板是trainImgs中的train20.dat文件先建立模板，然后  在计算待检测图像与模板之间的欧氏距离，与设定的阈值相比较，从而检测出该图像的人脸区域。#include "stdafx.h"#include "facedetect.h"#include "facedetectDoc.h"#include "facedetectView.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;pDC->TextOut(600,10,"操作说明：");pDC->TextOut(600,40,"步骤一：载入训练库 *.dat 生成模板");pDC->TextOut(630,60,"（训练库在程序关闭前只需载入一次）");pDC->TextOut(600,80,"步骤二：载入 *.raw 或 *.txt/*.lst");pDC->TextOut(630,100,"如果载入的是 *.txt/*.lst 列表");pDC->TextOut(640,120,"按 Page Down/Up 翻页");pDC->TextOut(650,140,"（需要修改 *.txt/*.lst 里边的存放地址）");pDC->TextOut(650,160,"（注意存放地址不得出现中文或符号

人脸检测

amcapzwb_setup.zipamcapzwb_setup.zipamcapzwb_setup.zipamcapzwb_setup.zipamcapzwb_setup.zip

应用背景本程序提供相同的效果PS图象处理软件Adobe CC 2015表面模糊。它也消除了噪声，同时保持边缘。双边滤波器在图像和图像中具有重要的地位，去噪。它平滑的图像边缘保持在使用 ；对局部像素值的非线性组合方式。方法的制定和实施是简单的。然而，双边滤波器参数的设置对其滤波性能有重要影响。他们必须选择考虑用户的应用程序，因为它具有强大的边缘附近的梯度反转工件，有时它提供卡通般的图像。如果你使用这个过滤器，你不会受到这些东西。这个想法是相当类似的双边过滤器，也就是说，几乎相同。你可以编译和运行的msvc2010。关键技术表面模糊。AWA滤波器双边滤波器。无梯度反转工件没有像卡通一样的效果。

里面包含了好几个m文件，基本都有注释。。很容易看懂，并且可以根据自己的需要修改添加参数。可以作为毕业设计的参考。不过对于图片的选择自己要注意，尽量不要选择整幅图都是同种颜色的

基于vc实现的数字图像分割，提供了基本的源代码，经典的图像分割算法，以及加载图片和显示图片的基本函数，为图像处理专业初学者提供了较好的学习资料。

应用背景使用VS+opencv 2.4.9中 进行运动物体跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。关键技术本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化。由于引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测。

此项目检测来自diff catrs sadbabsdhs sdbnbdhsadb asdbabsdasbdasbd as a s as sa的牌照；