波谱图，3y轴，平行坐标图，三维坐标，PCA代码

用鼠标框选需要检测的物体，依据颜色直方图特征，进行动态检测，如果有接近所选的物体的颜色直方图特性，会导致检测失败；如框选笔记本电脑摄像头跟踪的人脸，如果有手挡住人脸，会出现跟踪人脸的情况。

卡耐基梅陇大学的车辆检测与跟踪程序，程序中利用光流法实现车辆的检测以及跟踪，跟踪以及检测的效果非常不错。 CMU vehicle detection and tracking procedures, the use of optical flow method.

这种编码基于 canny edege 检测。它是图像分割的一部分。canny 边缘检测给更好的结果，那么其他检测算法。它用于查找边缘。

这些代码假定 UCF 图像格式 （不再使用） 中, 和 I/O 函数处理那个旧的格式是包含在软件包内。谁下载这些能感觉到自由地修改代码来写更多常用的图像格式。

该源码实现对视频的采集功能，外连设备采用USB接口，有较为清晰的操作界面，非常实用的源代码

应用背景*  ；OpenNI 2。Xα ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ；及 ； ； ； ； ； ； ； ； ； ； ；**  ；版权所有（c）2012 PrimeSense公司 ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ； ；** &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ；此文件的一部分，OpenNI。和公司；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；* &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ；在Apache许可证授权下，版本2（“许可证”）； ； ； ； ； ；**你不得使用该文件，除非符合许可证。和，和，和，和；你可以获得一份许可证，并获得一份许可证，并进行了；和；和；和；；；；；；；；；* &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；；*  ； ； ；HTTP：/ / www.apache。org /许可证/ license-2.0  ； ； ； ； ； ； ； ； ； ； ； ； ； ；** &；&；&；&；；；；；；；；；；；；；；；；；；；；；；；；；；；；

超像素分割，包括源码、EXE可执行程序、测试图像、使用说明等。代码完全可执行，不需引用其它库，不需进行其它设置。超像素分割一般对图像分割会形成过分割，所以可将其作为一般图像分割前的预分割处理，可用于模式识别等领域，当然也可用于医学图像分割领域。 程序基于文本框在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择分割的图像，如下所示：点击开始按钮选择图片 ，该图是一幅神经元线粒体的显微片 ：然后选择处理图片的存储位置：处理后的图像如下所示：改变参数超像素点的目可以得 到不同的结设计，这需要根据实际来进行选 到不同的结设计，这需要根据实际来进行选 择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将像素点取为 200 ，得到如下所示结果： ，得到如下所示结果： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

用于三维重建算法的源代码，里面是我对标定算法，特征提取算法，匹配算法和三维重建算法的一系列的改进，特别是对图像匹配算法利用划分区域的方法进行改进，取得了很好的匹配效果。在保证正确率的条件下，使得匹配速度得到了很大的提高。希望对广大的码农们有点有用处。

vs编写的位图帧差法 基于背景差法和帧间差法相结合的运动目标检测和自适应背景更新方法 本文所研究的运动检测和背景更新方法实现的步骤如下： (1)开辟静态内存，对图像进行初始化准备采集； 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测