基于OpenCV摄像机标定

OpenCV 2 计算机视觉编程手册--随书源码.大家可以研读一下

资源描述一个基于Qt平台的c++入门图形转换显示的小程序,有助于新手入门图形转换.

应用背景全球首款开源图形处理器，MIAOW是Many-core Integrated Accelerator Of the Waterdeep的缩写，它是基于AMD Southern Islands Radeon HD 6000系列显卡开源指令集架构的RTL实现。关键技术领导该项目的计算机科学家Karu Sankaralingham说，开源硬件代表着新的方向。他预测五年十年之后企业将会像使用开源软件那样使用开源硬件。MIAOW目前还只是一个学术研 究项目。Sankaralingham的团队正在此基础上构建不依赖于现有商业产品的全新设计

数字水印技术是一个关键信息的安全工具。小波变换已长时间用于此。此程序提供了一种简单的 haar 小波图像水印系统。该计划提供更好的峰值信噪比。

 图像的自适应魏纳滤波, 程序能够运行出正确的结果，希望对各位有帮助。 

harris角点检测源代码，简洁高效，通俗易懂，可以有效检测出图像的角点，并提供了一个画圆的程序，用于在图像上圈出角点。 使用格式为[cnt,posr,posc] = get_harris(img,k,t)  其中img为需要检测的图像，k，t分别为该角点检测的参数。输出cnt为角点数目，posr,posc为各个角点的位置。

应用背景SPIHT是小波图像压缩中的一种重要算法，由W.Pearlman等人开发，是图像压缩标准的有力竞争者，由于压缩效果略差于EBCOT，因此未被选用关键技术 小波分析显著改变了图像的数据统计特性，十分便于集合划分编码操作，SPIHT利用这一数据分布规律，设计了合理的数据划分规则，实现了小波图像的有效压缩

数字图像处理与机器视觉将理论知识、科学研究和工程实践有机结合起来，介绍了数字图像处理和识别技术的方方面面，内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。本书还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ANN)和支持向量机(SVM)，并在配套给出的识别案例中直击光学字符识别(OCR)和人脸识别两大热点问题。 本代码为该书配套的VC工程源码，非常棒，推荐大家了解数字图像处理与机器视觉的基础内容。

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

本文给出了基于gabor的血管分割算法过滤器。它用于检测图像中的边缘。它是基于线性滤波器的。用于掩蔽。