图像分割源码

根据给定的人脸的位置，输入人脸的位置，对人脸进行旋转，使得人眼视水平，并处理使人眼之间的距离是100个像素。 最后对整个图片进行裁剪，得到340*340 照片作为最后的结果。

使用帧间差分法对视频图像进行处理，利用相邻图像帧像素亮度差值来判断运动目标，并利用形态学滤波进行滤波去除噪声引起的亮度变化。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

资源描述关于运动目标检测中车辆的检测方法及使用CAMSHIFT算法进行车辆跟踪

 用小波变换编码为文件进行压缩，得到一个比较好的压缩程序，详细说明小波变换原理以及系哦啊波变换算法在图像处理中的利用，很好地学习资料，希望大家互相学习，提出宝贵意见

&提出了一种基于Bernsen算法和支持向量机（SVM）的车牌识别方法；

应用背景本程序使用VC++编写，主要实现Spiht编码算法。Spiht算法虽然已经非常成熟，但是作者从 网上下载了一些代码来看，编写的不是很规范，所以作者在此整理了Spiht程序,在VC6.0下通过调试.     在菜单中首先打开一幅图像,之后选择"Spiht编码",输入码率和分解层数,即可完成压缩,压缩后的 文件存放在E盘的根目录下(也可以设置其它目录,在程序相应处进行修改即可);之后再选择"Spiht解码",即可显示解码后的图像和相应的PSNR。 关键技术针对图像小波变换和图像压缩的源码，使用9/7提升小波和比EZW更高一层的SPHIT对小波系数进行编码。可以输入不同的每个像素的比特数和小波变换层数，来实现BMP图像的SHPIT编码，并且可以通过SPHIT反变换来查看编码的后的图像

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

基于视频的目标跟踪 ，在opencv2.4.8和vs2010开发，基于camshift算法，需要手动鼠标选取跟踪物体