c#读取图像，基本处理如水平镜像和垂直镜像等

应用背景能够打开网络上购买的usb摄像头，并实现录像的功能，录像可以根据自己的需要进行修改关键技术opencv directshow的结合，从而打开usb摄像头，通过设置录像时间的循环，从而进行实时摄像的采集以及记录保存

该项目演示了一个全面实施传统的“浮雕”和“雕刻”的形象过滤器。这些效果的灰度版本可使用任何自定义过滤引擎来计算（参见，例如，http://www.tannerhelland.com/982/custom-image-filters-vb6/）。然而，这充分执行比自定义过滤器引擎更快和更轻，并且还提供到雕刻/浮雕于特定颜色的选项

本代码主要实现二维图形的绘制。运行程序，鼠标在窗口中任意点击绘制图形，点击鼠标右键获得封闭图形。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

基于后方交会的程序代码。通过地面控制点坐标，以及控制点在航片上的坐标来结算航片的6个外方位元素。该程序具有运行良好，无错误，运行速度快的特点。

类似windows自带的图片浏览器 没放缩 连结电脑硬盘，可选择电脑内的图片浏览

从Kinect beta（2013-07-05）拍摄的深度视频中提取DSTIP（时空兴趣点）和DCSF（局部长方体描述符）

应用背景图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合关键技术小波分解与重构，好用小波分解与重构，好用小

视频图像处理，以三帧差法分离出了前景和背景。 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