网格重构remesh

本文主要讲一些opencv 2.0版本后出现的Mat矩形类，主要是参考opencv自带doc文件夹下的tutiol教材。通过这次实验觉得用Mat的话下面几点需要特别注意（在代码中可以体现出来）：1. 利用create函数重新改变Mat数据在内存中的布局。 2. 注意多通道数据在Mat中其实也是占一个元素的位置的。 3. 学会多维Mat的创建方法。4. 当Mat矩阵比较小时，学会直接赋值的方法，即用Mat_。5. 掌握Mat矩阵内容输出到终端时的几种常见格式。6. 注意如果vector是单独一维的话需要转换成Mat才能输出，多维的可以直接输出，例如vector里面存放的是点的话。

图像评价（均值、清晰度、信息熵、标准差）

在

目标跟踪可以运行程序，可以选定特定目标进行跟踪，程序肯定可以运行，直接加入到项目中也可以使用。！！！！！！！

本程序是在 MFC 中使用 OpenCV 的演示程序，由3部分组成。 一、Windows 下用 MFC 编制的程序框架 采用设备无关位图DIB实现Windows多文档模式下图像的显示，实现显示的关键函数StretchDIBits的原型如下：

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。

该源代码可以实现视频的加权融合，融合的加权比重可以自己设定。当然，本压缩包没有相应的视频，需要打击自己载入两个视频，并且把位置自己重新设定

图像的处理方法根据自己的需要，有目的地选择各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取对脸部区域的获取则比较高，达到95%以上，并且提取速度快，可以减少工作量。 由于图像的亮度在不同环境的当中，会受到不同光线的影响，图像就会变暗或变亮，我们就需要要对它的亮度进行调整，方案主要的方法是对图像进行光线补偿。 高斯平滑：高斯平滑就是对整幅图像进行像素 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

OpenCV 2 计算机视觉编程手册--随书源码.大家可以研读一下

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。