改进的GAC图像分割算法

这是基于opencv的人脸检测的源码，主要用于检测人脸并进行识别。程序主要通过从本地读取一个bmp格式的文件，然后对文件进行解析，进而进行识别，在算法实现上主要用了光线补偿、图像灰度化、高斯平滑、图像对比度增强和均衡直方图等方法。

这是一个基于java的图像查看器应用程序代码。这样，就可以检索和查看系统中的图像。此应用程序可以打开jpg、GIF、位图和png格式的图像。

这一项目执行跟踪没有颜色强调......它的多个对象编写的 matlab 2014a......希望你喜欢它

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

HMM模型算法程序，对于学习动态手势识别很有用，包括后向算法估计参数，前向后向算法、BaumWelch算法的实现

对于那些初学者 OpenGL 的学生，你可能不知道太多什么是 MFC。它并不重要，只要 OpenGL 去相信有一天你会使用 MFC，但当你需要时，宝贝你得到更深入地了解配置环境的 OpenGL 在 MFC 中吗？如果不是，没关系，那里的已配置的资源，来和下载它 ！

应用背景我用opencv这个项目。但它不是相同的OpenCV的样本。关键技术本项目是卡尔曼跟踪源代码。卡尔曼滤波类似粒子跟踪。

视频图像处理，以三帧差法分离出了前景和背景。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。