基于OpenCV摄像机标定

该代码用MATLAB实现了序列图像的配准和重建过程，具有GUI界面，可以很方便的选择配准算法和超分辨率重建的算法。代码中包含了KEREN，MACEL等等的配准算法，也包含了POCS，差值等常见的重建算法。只需导入序列图像，确定一些参数就可以得到实验结果。

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：

陈-尊为区域模型也是主动轮廓线模型自然图像进行分割。此程序提出由陈尊于 2001 年实施的高级别的图像分割算法。基于区域主动轮廓线模型是改进标准 snake 模型 Kass 等人提出。Kass et al 模型的主要限制是它利用梯度基于外部力量，以适合于所需的对象边界轮廓。如果梯度不是足够强大，这可能会导致树结构的结果。该模型利用 region 的属性，从而可以甚至为噪声的图像成功地工作。

本算法是基于图像块的全局运动估计，利用全搜索算法，三步搜索法实现全局运动估计，估计给出不同的矢量运动图像，经过补偿后的图像，并给出原来两帧图像之间的帧差与补偿后的帧差，计算出图像的PSNR！

修补是重建图像的损坏部位的过程。从2.4版本开始，OpenCV的支持修复中algorithm.The棘手的部分是获得图像修复掩模，这是一个二进制图象，其中非零像素表示的区域被inpainted。让面膜后，剩下的应该是easy.After让面膜，我们可以立即拨打inpaint（）inpaint功能。 FMM的工作原理：它是基于快速行进法。考虑图像中的一个区域的补画。从本地区的边界算法开始，去里面的区域逐渐首次填补一切的边界。它需要周围的邻居像素的小邻域被涂。该像素被替换的所有已知的像素邻域归一化加权和。选择的权重是一个重要的问题。更多的权重是给那些像素躺在附近的点，接近正常的边界以及那些趴在边界轮廓。一旦一个像素是我画的，它移动到使用快速行进方法旁边最近的像素。 FMM确保邻近的已知像素的那些像素被首先inpainted，以便它只是像一个手动启发式操作。该算法通过使用该标志，INPAINT_TELEA启用。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理

图像处理VC++框架和代码，包括点运算，线性变换，频域变换，复原，形态学，分割，滤波等等功能

为了分析图像通常我们必须减少图像的大小，所以，我们可能会在一个特定的大小的框架中处理它。这种编程发展到 o 数字图像缩小通过减少从帧的像素的数目。

实现图片的水平镜像和垂直镜像

若要提取子图像从图像使用最近的邻居从坐标点，并作为均匀性、 对比度、 相关性、 取向、 欧几里得距离、 熵和能源找到 7 灰度级 Co 发生基质 （灰度共生矩阵） 来提取 7 的特征，这众所周知的。