颜色选择器ColorPicker- jQuery UI 小工具

创建买家和卖家。卖方加载图像并做水印，通过分销商传递给买方。分销商不知道水印以及水印的插入位置。在不知道水印的情况下，分销商将水印图像传递给买方。买方知道水印并提取得到原始图像，恢复原始水印图像。因此，它提供身份验证和未知的人无法找到秘密图像。

jpeg压缩库，是以源码的形式提供给软件开发人员的，当然在软件包里也有编译好的库文件

K均值图像分割，读入彩色图片，输出区域分割后的图片-K-means image segmentation, read full-color photographs, the output image after the region segmentation

1，这是技术结合SVD和DWT2，同步码技术，实现了非常低的概率误差率3，它提出了一个多层次的安全，可靠和高容量的图像水印算法。

C51编写的WS2811 RGB芯片控制程序,采用华邦的W79E825单片机,实现呼吸灯,闪烁的功能.也可作为其他RGB LED控制芯片的参考代码,如WS2812,WS2812B等.

资源描述 显示互联网上的照片 调用互联网地址读取照片信息，并写入至本地。供使用者使用与参阅，VB6.0版本

应用背景用C++在VC6.0平台下绘出了一个正方形，并且加入了控制部分，可以对该立方体进行控制，想了解C++图形控制的可以参考关键技术关键技术包括计算机图形学，C++程序编译，以及面向对象的程序编程，有一定的编程经验。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

此应用程序是在 OpenCV 意在从用户的头、 手和身体动作生成事件的网络摄像头图像处理库。这个库还打算跟踪对象，这样就可以使增强的现实。为提高人机交互，应用程序将使用一个网络摄像头，而无需使用红外光谱或扩散照明技术。除了跟踪职位，此库也将能够提供更高级别事件和手势像获取用户的三维位置，并打开的手势。与虚拟物体碰撞也是增强现实中。