人脸特征点提取

SFW信号，计算往返的最初时延，这段程序只画出两个频率点 第一个和第11个，将E_H_separate向量中加入高斯白噪声，10*3e5关于SHH的运算式每一行是每个脉冲（也即每个频点）对应的S混频，下变频。fftshift作用是将零频放在最中间 1*3e5矩阵

这是我自己做的一个视频音频编解码的程序。视频的编解码是使用的FFMpeg做的，包括环境的配置和引擎的初始化。音频的编解码采用的事faad和faac。另外视频的采集用的是opencv，不过用的是IPImage而不是CVMAT，凑活着用吧

基于OpenCV的静态人脸检测程序的实现，已运行成功，人脸检测是目前非常前沿的技术，Adaboost算法实现起来也比较复杂，但应用OpenCV提供的函数和分类器进行人脸检测十分容易，主要包括训练和检测2个模块

该源码实现的功能是实现手写数字识别，是实现OCR功能的关键代码。现在上传，希望对大家有所帮助，该代码试用C++语言进行编写，内部包含多种算法的代码，可以进行多种识别方法的比较。

#include "hw_config.h" #include "usb_lib.h" #include "usb_desc.h" #include "usb_pwr.h" #include "timer2.h" #include "AL422.h" #include "OV7670.h" //测试发送数据 extern volatile unsigned char biaozhi; extern vu32 TimingDelay; //用于系统时钟

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

OOL CVideoEXEDlg::OnInitDialog() { CDialog::OnInitDialog(); // Add "About..." menu item to system menu. // IDM_ABOUTBOX must be in the system command range. ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX); ASSERT(IDM_ABOUTBOX < 0xF000); CMenu* pSysMenu = GetSystemMenu(FALSE);

对于图像的每一个像素，都可以找到一个可以逼近该像素及其邻域像素灰度值的函数，这种逼近方法叫做小面模型。实现了Haralick小面模型，实现对图像边缘的提取，

基本的处理，包含图像增强，平滑，二值化，阈值分割，边缘提取等，可供参考。

meanshift算法图像平滑算法函数：  B = meanshiftsmooth(A,hr,hs,method)   输入参数：          A：     待平滑的图像          hr:     均值平移算法中的值域窗宽          hs:     均值平移算法中的空域窗宽          method ：  "guass" | "flat". 两种类型的核函数，默认为"guass"  输出参数：          B:      平滑后的图像