基于OpenCV摄像机标定

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

嵌入式零树小波(EZW)算法是一种简单但非常有效的图像压缩算法,它可以将编码信息流中的位元按其重要性进行排序，进而可以对图像充分压缩。嵌入代码代表了一个能判断一个图像是否为“空白”图像的二进制序列。使用嵌入式编码算法,编码器可在任何一个点随时终止编码从而确保任务进度或任务失真度量的正确。同样的,对于一个码流,解码器可以在任意节点停止解码而且还能产生与原图相同的图像。EZW除了可以产生出一个完全嵌入式码流,其在标准测试图像上的压缩结果胜过几乎所已知的压缩算法。达到这种表现是因为这种技术不要求技术训练，不要求预先存储的表单，并且不需要先验知识。

本压缩包里的程序是人民邮电大学出版的《数字图像处理与机器视觉 Visual C++与Matlab实现》一书的所有程序源代码， 是我从学校图书馆下载的，里面涵盖了图像点运算、几何变换、空间域和频率域图像增强、彩色图像处理、形态学图像处理、 图像分割、特征提取、图像识别以及人工神经网络和支持向量机的C++代码和matlab代码，代码都很经典，非常有用。

Matlab 演示代码为"引导图像过滤"（视觉 2010 年）凯明 he (kahe@microsoft.com) 如果您使用、 修改我们的代码在你的工作 （无论是作为一个独立的工具或作为一个组件 任何算法），你需要适当地引用我们视觉 2010 年的论文。 此代码是为了学术目的只。不是为商业和工业活动。 本文中报告的运行时间是从 c + + 实现。这的 matlab 程序代码是 对于那些想要重新实现我们的方法的引用。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

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。

此应用程序可让您使用手指手势的计算机屏幕上绘画......它是使用 opencv249 和 visual studio 2010 生成的

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。

解压后可以进行SAD匹配，SAD匹配是属于区域匹配的，可以作为入门学习使用。SAD匹配得到的视差可以作为初始视差，然后再进行进一步的匹配。

利用主动轮廓线算法和TV模型进行图像处理！ 对应于文献：Fast Global Minimization of the Active Contour/Snake Model