基于opencv的MFC程序

QT 截屏源码，实现截图，编辑，存储和格式转换！！编译通过注释比较全；是QT应用中比较规范的东东！！效率比较高。

应用背景演示3dstereo三角形C++ DirectX d3dvertex SetRenderState d3dtransformstate_projection， ；stereorender DrawPrimitive关键技术HRESULT stereorender（lpdirect3ddevice7 pd3ddevice，int ieye）{ ； ； ；d3dmatrix matview，matproj； ； ； ；浮fmview_41，fmproj_31； ； ； ；d3dmaterial7原料； ； ； ；zeromemory（&；原料，sizeof（原料））； ； ； ；zeromemory（&；matview，sizeof（d3dmatrix））； ； ； ；zeromemory（&；matproj，sizeof（d3dmatrix））； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_view，&；matview）； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_projection，&；matproj）； ； ； ；/ /保存当前视图 ； ； ；fmview_41 = matview _41； ； ； ；fmproj_31 = matproj _31； ； ； ；/ /改变/投影矩阵 ； ； ；matview。_41 = fmview_41 + ieye * g_famp； ； ； ；matproj。_31 = fmproj_31 + ieye * g_fzp； ； ； ；pd3ddevice - & gt；settransform（d3dtransfo

利用三维傅立叶变换对点云数据进行变换，可以将点云数据由空间域转换到时间域，把点云中的噪声都集中在高频区域，便于噪声的处理。

实时图像处理软件。软件计数约22000瓶回收每小时。正在使用非常快速的算法。

利用opencv工具可以方便的实现canny边缘检测，作者做了一个小小的MFC尝试，参数设置还需要调整，需要VS2010的平台，希望能够与大家分享，互相学习

资源描述使用vtk来实现三维可视化，需要先配置vtk.这个cpp使用的是raycasting算法。

应用背景基于肤色分割手势图像可以很大程度除去背景，但因为人脸也是肤色也能被检测出来，这里就要除掉人脸信息。只留下手势信息就行。关键技术通过先对视频帧得到每个像素的概率，从而获得概率似然图像，再对该图像进行阈值分割

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。

对源图像指定区域（通过矩形的左上角和右下角的坐标点指定）使用最小误差最佳阈值法，通过迭代获得该区域的最佳阈值。

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克