opencv调用摄像头进行人脸捕捉和灰度处理

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

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

该源码是一个相机标定的源码包，能够完成立体视觉中单目和双目摄像机的标定，本源码包内包含多个GUI源码，可以完成多个试验，如角点检测等

此代码是第一个模块在人类行为识别系统，其中输入视频帧的 shilloutte 是要提取出来进行进一步处理。该代码将自动预测图像的背景和从输入视频序列中提取 shilloute

自己一边学一边编的，有放大缩小还原功能的图形界面的图片浏览器，适合初学者继续开发完善。

应用背景图形图像处理，寻找大津阈值，程序中运用继承派生的思想，寻找最优大津阈值关键技术图像分割处理领域，关键目标提取，大津阈值选取

目标跟踪可以运行程序，可以选定特定目标进行跟踪，程序肯定可以运行，直接加入到项目中也可以使用。！！！！！！！

采用OpenCV，用大津法otsu自适应检测序列图像中的运动目标，然后检测去除阴影，并用区域生长算法对阴影区域进行修正 OpenCV采用1.0版本，IDE为VC++6.0，经验证，该算法可以有效检测出运动目标被光线遮挡产生的阴影，对智能视频分析有重要作用。

在本文的最后阶段,使用此视频图像运动目标分析系统进行了大量实验,并全面分析了实验现象和数据。通过这些现象和数据可以得出结论:本文基于OpenCV设计的视频图像运动目标分析系统具有良好的实时性,能够正确的进行运动物体的实时检测和跟踪,并具有良好的鲁棒性。由于该系统在Windows下开发,如何将该系统移植到其他的系统或者是嵌入式平台并进一步提高系统的通用性和鲁棒性就成了今后研究工作的重点。

附件包含各种不同的图像去雾代码，暗原色去雾，SSR，MSR，MSRCR，Tara去雾，双边滤波暗原色去雾，联合双边滤波暗原色去雾等等。适合于做图像去雾算法的人学习。