Watermarking

输入一张图片，判断是不是人脸，如果是则标出范围。环境： vs2013 + opencv3.0

给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。给定的代码计算图像描述与特征点。

在Altera FPGA上实现的视频处理系统工程程序，通过采集AV通道的视频数据，存储到SDRAM中，然后读取数据进行处理，最后VGA口输出。可以灵活的添加其他处理模块，如定义LCD显示，音频处理，LED灯点亮、数码管显示等模块。

对眼瞳的识别 很有效 ，主 要通过使用眼睛的分类器对人眼的眼瞳进行的识别 ，显示的效果很好 ，很大的程度上能实现对眼睛的识别。

常用的opencv图像处理。包括颜色直方图提取、Canny算子对边缘检测、角点提取、Hough直线提取、Hough圆提取、Hough矩形提取等内容。针对不同测试可将对应的main函数名改正即可。需配置opencv环境。

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。 2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。 注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表，在运行bagofword生成单词包。

该软件能实现对掌纹的纹理特征提取，使用的是灰度共生矩阵算法，把256色图像初始化为8个灰度级，步长取distance = 5;

这是一个基于高斯背景建模的前景检测算法，效果还可以，不过摆脱不了高斯建模本身的缺点，那就是需要学习，需要有几帧视频来学习建模，得到背景。

通过RGB通道，HSV通道，以及YCrCb各通道之间的关系，从而提取出感兴趣的肤色区域（或某个色彩范围）经实验获得较好的效果