基于自适应滤波彩色图像增强与人类的视觉系统

基于dm6437的程序，主要用c进行编写，对用ccd摄像头采集来的图像流进行入、采集，并通过液晶屏进行显示，通过对每一个像素与sobel算子进行卷积和，实现对采集来的图像流进行边缘检测，从而达到我们想要的效果。

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。

用于图像处理中的图像预处理，是视频图像处理中必要的基础步骤。从图像的第一个像素点开始依行遍历全部像素，在每个像素点上，移动结构元素B的映射的中心与其重合，然后判断此位置的结构元素是否有对A集合的覆盖，如果有，则保留这个点，否则对此点取反（按照如下的符号约定，即将改点灰度值设置为0）。

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等

利用c++写的数字图像处理代码，进行图像增强操作，包括有，中值滤波，均值滤波，拉普拉斯锐化等算法。使用mfc控制平台，可以手动选择待处理图像，选择处理算法，设置参数值，并可以保存处理后的图像。

基于opencv对图像实行双线性插值缩放以及最临近插值缩放#include "highgui.h" #include "cv.h" IplImage *src=NULL; IplImage *dst1,*dst2; void main() { double scale1=0.1; double scale2=10; CvSize dst1_size; CvSize dst2_size; src=cvLoadImage("E:学习VC文件c++ pricticepro1pro1.jpg"); //缩小系数 dst1_size.width=(int)(src->width*scale1); dst1_size.height=(int)(src->height*scale1); dst1=cvCreateImage(dst1_size,src->depth,src->nChannels); cvResize(src,dst1,CV_INTER_NN);//像素插值(最邻近插值)缩小 //放大系数 dst2_size.width=(int)(dst1->width*scale2); dst2_size.height=(int)(dst1->height*scale2); dst2=cvCreateImage(dst2_size,src->depth,src->nChannels); cvResize(dst1,dst2,CV_INTER_NN);//像素插值(最邻近插值)放大 cvNamedWindow("原图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后再放大10倍还原图",CV_WINDOW_AUTOSIZE); cvShowImage("原图",src); cvShowImage("缩小

这个程序是从一般的图像计算HOG积分图像。这个HOG功能被广泛使用，因为它具有较高的推广能力。

一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

基于粒子滤波的目标跟踪。颜色直方图特征。参考资料 1。基于颜色的概率 Tracking2。基于颜色的自适应粒子 filter3。ECSE 626 项目： 基于颜色的自适应粒子 Filter4。关于在线非线性、 非高斯贝叶斯跟踪的微粒过滤器的教程

是关于VisualC数字图像处理技术的书籍，很好的一本书，网上热销，讲解了预处理、特征提取、识别、跟踪等等。希望能给大家带来帮助。