利用opencv进行目标检测及跟踪

资源描述本程序利用XC5VLX110T实现，其它设备也可参考。实现了图像缩放、显示和位置调整功能，包含VGA显示模块，IIC控制模块和图像处理模块，附有仿真结果！

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。

目标检测和跟踪在许多计算机视觉应用中非常重要，包括活动识别、汽车安全和监控。在本例中，您将通过将跟踪问题分为三个独立的问题来开发一个简单的人脸跟踪系统：

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法，如method = 1; 4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";

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。

结构相似度（ＳＳＩＭ）用于图像复原（去噪，去模糊，盲复原，修复）后的客观评价！该评价标准比较适合于纹理结构多的图像质量评价

对PPM,PGM图像进行读取 ,有agument,有image debugger验证                                      

基于canny算子的原理编写的一个canny算子边缘检测程序，效果不太好，算法运算也很耗时，有懂的可以交流~

用C++实现sift算法，实现多幅图像的读取，特征点提取，匹配以及图像的融合。可以直接上机实现。