diversification

从网站上下载下来的程序，适合初学者阅读。其中自定义两个控件用于显示图片和灰度调节。导入的图片可以自动出现滚动轴，右侧鼠标拖动曲线调节，则左侧的图片自定显示灰度。另外还可以获取此时图片各个像素的灰度值。当然包括最基本的保存图片功能。自己是初学者，想和大家分享下，程序里的自定义控件还是做的挺好的。

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

这一个简单的项目,需要一个视频路径和计算场景的视频。场景是基于连续两帧之间的运动可由用户阈值。场景类也可以扮演幕后,返回现场最高的帧数,返回现场与最低数量的帧和/或通过id获取场景。该项目使用opencv的运动估计计算两帧之间的运动。幕后存储在两个向量。一个向量未分类的场景,另一个拥有场景以升序排序基于它们所包含的的帧数。

插值法图像超分辨率重建，matlab代码，可以交流学习一下。第一次做，希望大家可以交流。

c++  实现 两条平行线之间的距离测量 图像腐蚀 边界提取 测量

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。

使用HOG+SVM训练行人分类器，vs2008+opencv实现的工程，保证可以使用。样本图片由于太大，不好上传，大家可以在别处下载。代码简洁清晰，注释详细，是学习SVM和行人检测的很好的实例。

基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。   基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。  

用于边缘分割效果很好。% 第二种算法采用的是形态学中的腐蚀和膨胀运算。首先，对图像进行低通滤波，消除细小噪声的干扰。 % 在滤波时，没有采用传统的中值滤波器，而是采用顺序统计滤波器ordfilt2。%                           imm=ordfilt2(im,n,ones(N,M));% 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。

学习opencv最好的中文版书籍及配套源码，让你学习能够事半功倍。