使用ExtJS的图像校正

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。

C语言实现，快速傅里叶对于非标准图像处理有欠缺，快速傅里叶的输入最好为标准图像大小，否则逆变换后原图会出现模糊，该源码中包含基本的dft变换，速度很慢，但处理任何图都可以。

================================================================================    MICROSOFT 基础类库： FaceRecognition 项目概述===============================================================================应用程序向导已为您创建了此 FaceRecognition 应用程序。此应用程序不仅介绍了使用 Microsoft 基础类的基本知识，而且是编写应用程序的起点。此文件包含组成 FaceRecognition 应用程序的每个文件的内容摘要。FaceRecognition.vcproj    这是使用“应用程序向导”生成的 VC++ 项目的主项目文件。  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

基于opencv对图像实行双线性插值缩放以及最临近插值缩放#include "highgui.h" #include "cv.h" IplImage *src=NULL; IplImage *dst1,*dst2; void main() { double scale1=0.1; double scale2=10; CvSize dst1_size; CvSize dst2_size; src=cvLoadImage("E:学习VC文件c++ pricticepro1pro1.jpg"); //缩小系数 dst1_size.width=(int)(src->width*scale1); dst1_size.height=(int)(src->height*scale1); dst1=cvCreateImage(dst1_size,src->depth,src->nChannels); cvResize(src,dst1,CV_INTER_NN);//像素插值(最邻近插值)缩小 //放大系数 dst2_size.width=(int)(dst1->width*scale2); dst2_size.height=(int)(dst1->height*scale2); dst2=cvCreateImage(dst2_size,src->depth,src->nChannels); cvResize(dst1,dst2,CV_INTER_NN);//像素插值(最邻近插值)放大 cvNamedWindow("原图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后再放大10倍还原图",CV_WINDOW_AUTOSIZE); cvShowImage("原图",src); cvShowImage("缩小

包括了频率突变检测简单程序，微分突变点程序，利用小波分析进行消除噪声污染，小波消噪和傅里叶变换消噪的简单的对比程序，在低频信号上观察斜坡信号的趋势简单程序，对某一低频信号进行抑制和增强的简单程序，图像平滑、增强、融合的简单程序。这个压缩包里包括了小波分析的基本上所有的简单程序。

一个简单的傅立叶描述子程序，可以运行，可以用来学习傅立叶描述子的原理。内附有结果图

应用背景 VS是2010的，网上寻找教程配置opencv和HALCON，然后运行程序，就可以根据按钮进行颜色提取，最后输出阈值，就可以在程序中进行运用。关键技术 使用mfc编写用户交互界面，然后对RGB颜色进行颜色通道分离，最后判断得出阈值，而且HSI空间对亮度的敏感度很小。

BMP图片文件在CCS 中转换为DAT文件，内容详细，可靠。BMP图片文件作为被处理图像文件，转换为DAT文件，在某些情况更有利于程序编程，运行。这程序的作用是在CCS中将BMP图像文件转换为DAT文件。

ffmpeg+sdl写的播放器,基于win32编写的对于想了解libav库的，想了解sdl库开发的有一定的帮助

应用背景在不同背景下提取手势的二值图像，这里主要在背景不怎么变化的情况下，通过划分前景背景提取出手势图像。关键技术利用多帧平均建立背景模型，然后就是滑动平均法实现背景的实时更新。