边缘检测

实时图像处理软件。软件计数约22000瓶回收每小时。正在使用非常快速的算法。

基于opencv的摄像机标定的源程序 能够实现摄像机的标定

使用C语言编写的图像去隔行的程序，可以处理视频，输入为RAW文件。经多次实现，效果良好，当心使用。使用的MELA算法，即一种线性的领域插值方法，基于的事六邻域。MELA算法是对ELA算法的改进，效果有显著提高。可以作为参考，对初学者很有帮助。

图像LBP特征提取，适合初学者用来提取图像的local binary pattern特征，较详细的代码，可用于特征检测，目标识别，人脸识别等应用中

基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。   基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。  

脑肿瘤检测和图像分析。在这些我已经太给图像和它工作的很好根据区域

目前，使用VS+opencv 2.4.9中 进行行人跟踪时，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，对行人运动进行实时预测，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。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，相信由此代码基础，下一步的工作会轻松很多。本代码，也有助于新入门的程序员进行深入学习，或者直接拿来进行实验开发等等。

半马尔可夫模型，用于人体行为识别。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

应用MFC，基础的图像处理代码，有简易界面和主要代码的注释。适合初学者和C语言读程序薄弱人群。