opencv 实现的asm人脸检测

C51编写的WS2811 RGB芯片控制程序,采用华邦的W79E825单片机,实现呼吸灯,闪烁的功能.也可作为其他RGB LED控制芯片的参考代码,如WS2812,WS2812B等.

研究了下抽奖小游戏，自己做了一个。 delphi2009 编写的转盘小游戏，供大家参考， 用到了图片和播放声音，

《MATLAB智能算法30个案例》教程对应的代码文件，对于初学智能计算的人员很有用，30个案例稍微改动就可用到其他程序中

里面有椭圆拟合的代码和利用最小二乘法不断迭代最终检测出椭圆的方法，使用性好，精度高。首先随机找出三个边缘点拟合初步椭圆，r然后寻找第四个边缘点来验证初步拟合椭圆的效果，如果可以，然后利用直接最小二乘法设定距离阈值，收集边缘点重新拟合椭圆，不断迭代，最终能检测出准确的椭圆，检测速度快，有抗噪声的能力。

灰度线性变换, 程序能够运行出正确的结果，希望对各位有帮助。 

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

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

camshift目标追踪，对目标进行跟踪，并根据目标的大小对目标进行调节跟踪窗口，跟踪效果比较好，没有bug,是本人做实验编写的代码。

此代码将在 matlab 中生成 Sobel 算子。 输入是一个图像，然后输出将二进制图像遮罩 sobel 算子等。 用来寻找从图像的边缘。

图像处理比较全面的算法，包括图像的读取和显示，图像的点运算，旋转，与或非，边缘提取等等，自编