opencv+MFC--基于图切算法的交互式图像分割技术

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

 用小波变换编码为文件进行压缩，得到一个比较好的压缩程序，详细说明小波变换原理以及系哦啊波变换算法在图像处理中的利用，很好地学习资料，希望大家互相学习，提出宝贵意见

基于camshift(meanshift)的视频运动目标跟踪算法，在VS平台下编写，使用了OPENCV库，基于HSV颜色空间的处理。使用方便，跟踪效果好，显示背景、前景、统计目标颜色直方图。

整个文件可以直接通过编译并能正常使用，用来测试opencv的各个模块的例子！

显示屏颠倒程序

此示例应用程序演示了BlobCounter类的用法，该类允许在指定的图像中查找所有单独的对象。它找到每个单独的对象，提供其属性，并在其他框架类的帮助下，为每个对象或其四边形的角点提供凸包（如果对象确实是四边形，则应以良好的精度找到其角点）。

Opencv的基本数据结构包括点、矩形框数据类型、矩阵、不确定数组、图像头等。程序对这些数据结构进行操作，使大家对opencv的数据结构有更充分的认识和理解，包括对点、矩形框、矩阵、图像的翻转、信道的分隔与融合等。

 ；使用4个动态参数和2个

应用背景主要用于单目标跟踪，基于HSV颜色空间，对亮度的变化敏感度较低。关键技术改善了基于RGB色彩空间的粒子滤波的单目标跟踪。全部代码有注释，通俗易懂。

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。