RANSAC算法

资源描述使用opencv库实现图像的边缘检测，在vs2013+opencv2.4.10中完美使用，只需要把代码中读入的图片换为自己的路径就可以了

这个MATLAB代码是关于KNN算法。在这段代码中使用的图像是在图片文件夹使用的每一个机构。

该文件提供视频图像运动目标检测的框架，包括简单实现，数字图像处理一书中的源代码，MFC多文档实现

喷泉可以控制高低，喷泉的数量，还有灯光照射的效果，用opengl做的，粒子效果还是很明显的，有不同的喷泉模型，分散的主星的扇形的等等。

图像显示......通过使用 aforge 库，它将图像转换为灰度，二进制文件 （黑色和白色），给饱和的图像、 图像上应用色相和也找到边缘检测在图像上......第一个 u 浏览您的图像然后那个形象获得所有这些技术从一个应用程序...

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

基于DSP的红外与可见光融合   金字塔算法  该包是在CCS下的用于可见光和红外光的图像融合程序。 融合规则为加权法，任何级数为2   过程为： 滤波->分解->融合->重构

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

通过sift算法提取图片的特征，然后用KD算法搜寻匹配特征，用RANSANC算法去除外点。计算单应矩阵H，变换浮动图像，插值计算，使用加权方式进行重叠区的融合。最后得到拼接图像，效果良好。

C++写的harris角点检测程序，效果明显，注释较清楚，容易扩展功能，这是一个MFC程序，运行结果为一个界面，功能为打开并显示待检测图片，图像基本的预处理如：图像滤波，图像增强等，最后显示的图像的角点信息，并可以自行调试提取角点的参数..