OpenCV 2 计算机视觉编程手册--随书源码

模拟图像受高斯白噪声和椒盐噪声的影响 , 程序能够运行出正确的结果，希望对各位有帮助。

将由meshlab生成的网格。进行纹理贴图，最终能够生成obj格式的文件。由于是新手所以没调试成功，但是一定是能够做纹理贴图的，典型的纹理贴图，对构建模型的学习有一定的帮助的。

正交匹配追踪算法，在分解的每一步对所选择的全部原子进行正交化处理，这使得在精度要求相同的情况下，OMP算法的收敛速度更快。MP一般只能满足第k个残差和xk正交，这也就是前面为什么提到“信号(残值)在已选择的原子进行垂直投影是非正交性的”的原因。如果第k个残差和fk不正交，那么后面的迭代还会出现fk中已经出现的项，很显然fk就不是最优的，这也就是为什么说MP收敛就需要更多次迭代的原因。不是说MP一定得到不到最优解，而且其前面描述的特性导致一般得到不到最优解而是次优解。那么，有没有办法让第k个残差与正交，方法是有的，这就是要谈到的OMP算法。

SURF改进算法，让图像拼接和配准更精准、更快速！是图像识别的经典案例。

以像素方式读取位图像并在windows中显示

本翻译是直接根据 OpenCV Beta 4.0 版本的用户手册翻译的，原文件是： /doc/ref/opencvref_cv.htm, 可以从 SOURCEFORG 上面的 OpenCV 项目下载，也可以直接从 阿须数码 中下载： http://www.assuredigit.com/incoming/sourcecode/opencv/chinese_docs/ref/open cvref_cv.htm。 翻译中肯定有不少错误，另外也有些术语和原文语义理解不透导致翻译不准确或者错 误，也请有心人赐教。 图像处理、结构分析、运动分析和对象跟踪部分由R.Z.LIU 翻译，模式识别、照相机定 标与三维重建部分由H.M.ZHANG 翻译，全文由Y.C.WEI 统一修改校正。

PHOG形状描述特征能同时描述物体的局部形状和形状的空间布局。其特征表示是通过逐级分割图像，对同一幅图像进行不同尺度的分割，然后计算每个尺度中patch的小HOG，最后综合每一级各分块的梯度方向直方图，组成一个梯度方向直方图金字塔。

函数代码 = huffman(p) 哈夫曼 %生成符号源变量长度的哈夫曼代码。 代码 %= HUFFMAN(P) 返回一个哈夫曼代码作为二进制字符串的单元格 %数组的代码输入的符号概率矢量体育在代码中的每个单词 %对应于其概率是在相应的指数符号 %的体育 % %检查输入的参数的合理性。 error(nargchk(1,1,nargin)) ； 如果 (ndims(p) ~ = 2) | |(min(size(p)) > 1) | |~isreal(p) | |~isnumeric(p) 错误 ("P 必须是一个实数值向量"） ； 结束 %全局变量生存所有递归函数 "makecode" 的 全局代码 CODE=cell(length(p),1) ；%Init 全球太阳能电池阵列 如果 length(p) > 1%时多个符号...... p = p/sum(p) ；%规范化输入的概率 s = reduce(p) ；%做哈夫曼源符号削减 makecode (s，[]) ；%以递归方式生成的代码 其他 代码 = {"1"};%其他、 微不足道的一个符号案例 ！ 结束 %……………………………………………………………….% 函数 s = reduce(p) ； %在 MATLAB 的单元格结构中通过创建一个哈夫曼源减少树 减少 %执行源符号减少，直到只有两个 剩余的 %符号。 s = cell(length(p),1) ； %生成符号节点 1 2、 3，开始树...到引用 %符号的概率。 为我 = 1:length(p) s {i} = i ； 结束 同时 numel(s) > 2 [p，我] = sort(p);%排序符号概率 p(2) = p(1) + p(2) ；%合并

本代码可以对视频中的运动物体进行监测和跟踪 并用了高斯背景模型进行背景建模 效果很好 而且对检测到的物体进行了矩形框标记 

上式表示，将ones(N,M)范围内的像素值依次排序，用第n个像素点的值代替该点的像素值，此种滤波器与中值滤波器一样不会使图像的边缘变的模糊，在滤除噪声的同时很好的保留了图像的边缘。之后，设定门限值，将掌纹图像转化为二值图像。由经验得到门限值应为15（或20）。对二值化后的图像先进行膨胀运算、再进行腐蚀运算，将得到的结果与原图像相减，图像上所剩的点即为角点。先膨胀运算，再腐蚀运算，SE表示在进行膨胀与腐蚀时所用的结构元素。SE的确定是此次角点检测的关键所在。SE的形状应与要检测的目标的形状相似。知要检测的目标的形状为弧形，所以SE的形状也应该为弧形。找到两角点的坐标，并将其旋转到一条垂直线上，旋转后的直线作为坐标系的纵坐标。在图像的中心位置切割大小为128*128的图像。这种方法切割出来的掌纹图像的旋转平移较小，而且算法简单，计算量小，比较实用。