压缩感知实时跟踪

指纹识别技术，目前最成熟的生物特征为基础的识别技术之一，可用于识别人类在各种场合

基于K-means的彩色图像分割算法，这是源代码，以供大家参考和学习。。。特征空间聚类法进行图像分割是将图像空间中的像素用对应的特征空间点表示，根据它们在特征空间的聚集对特征空间进行分割，然后将它们映射回原图像空间，得到分割结果。其中，C均值聚类K均值算法先选K个初始类均值，然后将每个像素归入均值离它最近的类并计算新的类均值。

资源描述基于opencv的图像处理程序，利用了visual studioC++的平台

 组织图形数据的方法： ①以基本图元为单位：简单、重复。 ②以自定义图元为单位：对“相似图形”的抽象，是提高作图效率、提升设计能力的前提。采用“块对象”存储、管理自定义图元中的若干图形对象；采用“块插入对象”存储自定义图元的插入参数。不仅改善空间、时间复杂度，更便于“块插入对象”的更新。 创建块对象的参数：①块名，②图形中已有的图形对象的子集，③基准点坐标。 块对象的核心数据的说明：块对象虽然由参数②定义，但定义之后，块对象与参数②就不存在相互影响的关系。所以块对象中，应复制参数②中的所有对象。

此程序切片的 3d 图像的许多应用程序 （如去噪和水印适合初学者创建网格

实现了基于opencv 的手写数字字符识别主要参照文章： http://blog.damiles.com/2008/11/basic-ocr-in-opencv/ 基本上就是按着人家的代码来配置的，完后小改动了几个参数，写了一个文档，方便大家学习吧。

源代码是将摄像头采集到的图片进行保存和传输的，因为是医学图像使用，所以一切都是遵循DICOM的标准的，使用者可以参考里面的保存和传输等内容，肯定会有收获的。

在监控场景中用kalman滤波对目标轨迹进行跟踪预测，kalman滤波的两大步骤是预测和更新，当场景中由于遮挡等原因目标跟踪丢失得到轨迹片段，用kalman对缺失的轨迹点进行预测，kalman两大假设前提是高斯、线性。对于非高斯非线性系统不适用，目标运动建模是满足匀速运动

这是关于立体匹配的程序，其中使用的匹配算法包括NCC、SAD、SSD算法，对于学习立体匹配的朋友来说是非常有帮助的。

BERNSEN localthresholding %。%Bw = BERNSEN(IMAGE) 执行的一个二维 localthresholding%阵列图像的 Bernsen"sthresholding。该方法使用%用户提供对比阈值。如果是局部对比度 （最大-最小）%高于或者等于 contrastthreshold，阈值设置为%本地 midgrey 值 （平均最低限度和最大灰度值在%本地窗口）。如果 localcontrast 是下面的对比%阈值附近被认为仅由一个类组成%和像素设置为根据的值对象 orbackground%midgrey。%%Bw = BERNSEN （图像、 [M N]，CONTRAST_THRESHOLD、 填充） 执行本地奇数 %阈值值 M 由 Nneighbourhood （默认值为 3，3）。默认值 forCONTRAST_THRESHOLD %都是 15。处理边界使用 PADARRAY 选项 （默认值是之一填充图像 %像素为单位）%"replicate"）。%