Coding Of Stauffer and Grimson 1999

3 的输入的参数。第一是名称您想要使用的图像文件 （放在引号）。第二个是伽玛校正因子，用于改变方法的产品出来。摆弄数字 1 到 5 之间直到它看起来不错。（一般低的数字使其暗）。第三个输入是您想要输出到一个文本文件的名称。示例函数调用：asciipic2("imagename.jpg",2.5,"outputname.txt")

我试着解决 http://imageprocessingplace.com/ 的第 5 章第四 quastions 参数化的维纳滤波（a） 实现在模糊式过滤器 (5.6-11)。（b） 模糊图像 5.26(a) 在 + 45-度方向使用 T = 1，如图 5.26(b) 所示。（c） 添加高斯噪声的 0 均值和方差的 10 个像素的模糊图像。（d） 还原图像使用式 (5.8-3) 给出的维纳滤波器参数。

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

应用背景图片经过直方图均衡化后，像素将占有尽可能多的灰度级并且分布近似均匀，均衡化后的图片将具有较高的对比度和较大的动态范围。关键技术程序完全使用C语言编写，对直方图均衡化过程描述直接，使初学者对均衡化过程有一个直接的认识。均衡化前后图片的灰度直方图均以文件的形式保存，可以通过origin等绘图软件绘图。

这个项目的目标是在实时，与较高的检测率和几个误报检测人类。人类探测器达到 20 帧/秒速度和先进的检测精度，而不是诉诸特别像 GPU 硬件使用只有一个处理线程。轮廓线是人体检测，最重要的信息来源和相邻像素之间的比较情况迹象的关键编码轮廓。

可以直接获取ＵＳＢ摄像头的视频进行处理，也可以读取采集卡的视频流实现人脸识别，采用VC++6.0与opencv1.0，海康威视的采集卡

vc 截图源码 我擦这DLL不知道哪个SB写的,有BUG(new后没见delete). 网上说是开源的，但是找不到源码，只好自己动手撸了一份........... 这里面的6K dll是原版DLL,有兴趣的自己撸. 虽然很简单，但是好久都没撸过别人的程序了,就快没手感了~~~~

混合高斯模型背景建模实现的运动前景提取(MixGaussExtractForeground)，VS2008+OPENCV实现工程，可以使用，简单方便易懂，注释清晰，i附带测试视频，是学习混合高斯模型背景建模和运动检测的好东西。

图像匹配就是用模板图像和待匹配图像上的搜索窗口之间的像素灰度值的差别，来表示二者的相关性，相关性的大小即可表示匹配的准确率，使用fft算法实现两幅图像的互相关匹配，可以对有角度旋转的图像实现匹配。

应用背景Python opencv 图像处理基础教程，转自网络，主要是Python对于图像的增强，变换，匹配，轮廓，视频处理，分割，跟踪，投影等等关键技术的初级教程。关键技术图像处理 Python 实现，Python opencv 图像处理基础教程，opencv Python入门基础，gui,图像处理（平滑，金字塔，尺寸，阈值化），图像变换（梯度算子，仿射变换，等等），直方图，图像匹配，目标跟踪，轮廓操作，等等