OpenCV 标定

wince下的画图程序，WINCE没有带这个小工作，为了让产品更象PC机，我写了这个程序，完全自主编写和代码实现，没有使用DLL或OCX等封装过的东西。功能和WIN32版本类似，因API缺少的原因无画曲线和截取任意图形的功能，其他功能完整。EVC4下编译通过

在这些项目中，我们将测试编码为qr码和sms，vcards可以转换为qr码，您可以从图像中提取qr码；

提供了一种提取不规则区域的图像，基于 opencv2.4.0，vs2010 的方法。

Canny 边缘提取算法 WINDOS下实现 C++ 针对256色图像 可直接运行

为了计算出地形点(Xi, Yj)上的高程值,一般需要首先从DEM地形数据中搜索到其所属的栅格,然后利用栅格交点处的高程值和二次线性插值函数来计算得到其高程值。但是这种方法每次都必须从海量的DEM地形数据中搜索出一个特定的栅格,而目前搜索算法的最优时间复杂度不会低于log(n)。为了充分利用计算机的移位计算的特点,文中采用2i倍的放大或者缩小DEM地形数据栅格的方法。这种方法省略了栅格搜索过程,从而大大提高了计算性能。其原理如图4所示:缩放显示图像时,栅格数减少一倍,需要合并四个相邻栅格。其中的虚斜线表示原来的栅格和等高线,黑粗线表示由新栅格计算得到的等高线。

Poisson surface reconstruction creates watertight surfaces from oriented point sets. In this work we extend the technique to explicitly incorporate the points as interpolation constraints. The extension can be interpreted as a generalization of the underlying mathematical framework to a screened Poisson equation. In contrast to other image and geometry processing techniques, the screening term is defined over a sparse set of points rather than over the full domain. We show that these sparse constraints can nonetheless be integrated efficiently. Because the modified linear system reta

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

应用背景meanshift是由Comaniciu最先提出来，是用于跟踪非刚性物体的一种算法。为了表征目标，首先需要选择一个特征空间。参考目标，用在特征空间中概率密度函数q表示，例如参考模型可以选择目标的颜色概率密度函数。不失一般性，目标模型可以认为中心处于其所在空间的中心。在下一帧候选目标被定义为在位置y，用概率密度函数p(y)来表示。关键技术本算法结合颜色和纹理信息对目标进行跟踪，里边包含测试的视频文件。目标和候选直方图之间的相似度函数记作公式(1)，相似度的局部最大意味着在候选模型与目标模型匹配。如果仅考虑颜色信息，候选区域的相似度变化会很大，匹配效果不好。为了得到一个连续性的相似度函数，在空间域内，用一个核函数对目标 区域做滤波处理。

我们的项目结合了很多方法可提取车牌、 段字符和识别字符。进一步改进应侧重不仅精度的识别、 车牌提取、 字符分割和标准化的准确性。 MatLab 程序编码，所有的车牌识别阶段建立经历。它理解是有帮助的车牌识别一步一步的程序。图像采集、 板提取、 字符分割与字符识别它们。我们成功地演示了车辆数板分割与识别系统。 应用于图像的直方图均衡。它可以扩大，以包括更大的范围，产生一个更高的对比度图像的像素强度。 我们使用这辆车的后面黄色车牌作为输入图像。我们采取两套照片的分辨率 l 1024 * 768 像素 l 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

图像分割的n种方法，包括自适应阈值法，全局阈值法，二值化法等等，附带详细的解释