基于vc的rgb图像转灰度

由于网络技术的快速推进，人类可以随心所欲地访问或分发任何多媒体数据从网络。因此，知识产权的保护变得越来越周到，重要的是社会。根据该方案，正在开发的许多方法。数字水印是用于多媒体的版权保护的有利方法。它是嵌在一个数字码主机数据，并且通常含有约原点，状态和/或目的地的数据的信息。数字水印是携带有关著作权人，作品的创作者，授权消费等信息识别码 它被永久地嵌入到数字数据的版权保护，并且可以用来检查数据是否被非法修改有基于离散小波变换和奇异值分解一个强大的和安全的图像水印方案。

视频图像处理，目标跟踪，以背景差分法分离出了前景和背景。背景建模，运动物体检测。Video image processing, target tracking, background

资源描述主要研究H263编码实现,完整的源代码程序，适合初学者参考学习。代码清晰有完成的VC+6工程代码。

matlab练习程序（矩形变换为单连通形状）变换使用的模板必须是单连通的，而且模板中心必须在模板内，如果在模板中打个结或是月牙形，这里的程序就处理不了了。虽然非单连通模板也有办法处理，不过不是这里要讨论的。这里用到的方法和矩形变换为圆那片文章中用的方法几乎一样，变换前后像素按比例缩减，不过在判断弧度和图像边界到模板中心距离时略有不同。变换为圆时弧度可以直接计算出来，而变换为任意形状只能算出一个最小相似值。至于图像边界到模板中心距离只能分八种情况判断了，处理圆时可以根据对称性简化程序，这里似乎没有什么好办法简化。变换细节上，那篇文章中使用的是正向插值，这里使用正向插值则会产生很多空洞，因此选择了更常见的逆向插值。

vs2008做的kinect手掌跟踪，使用tcp发送消息。这里做的是手掌上下滑动，分成四个区域识别。手掌向右挥动触发事件。tcp链接只监听一个客户端。使用的是openni和nite，不是微软的SDK。

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：

首先计算背景图像与当前帧图像介的差，然后对差分图像进行二值化和形态学滤波处理，并对所得结果进行区域连通性分析，当某一连通的区域的面积大于某一给定阈值时，则成为检测目标，并认为该区域就是目标的区域范围，就可以确定目标的最小外接矩形。目标跟踪模块已有两个基本实现的方法，但运用背景差分方法对图。像进行二值化和滤波的效果，还远没有达到独立、稳定的跟踪要求，必须尝试多种运动目标提取方法及滤波算法。

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

根据一篇基于Radon变换的模糊图像参数估计的论文，编写的程序。通过对图像进行傅里叶变换求取功率频谱图，再对所求的功率频谱图进行Radon变换，最终实现对运动模糊中模糊角度的求取。

利用Shearlet变换对多聚焦和医学图片进行分解，将分解得到的高频系数进行绝对值取大的规则进行融合，对得到的低频系数采用区域能量和区域方差加权融合的规则进行融合，之后进行shearlet反变换得到融合图像