计算机视觉

图像处理的课程设计、基于Python语言+图像处理+svm的验证码识别

应用背景本程序可以用来进行双目标定目标的位置，通过两个摄像头的标定，可以确定空中某一目标的精确位置。是毕业设计的题目。关键技术这个程序使用了较好的算法，能够快速的进行空间定位，返回位置信息。而且有较好的鲁棒性。而且有较好的鲁棒性。而且有较好的鲁棒性。

自己图像处理课程的代码。 包括位图的打开、显示以及常用的图像处理算法实现。 比如DCT变换以及逆变换、各种滤波方法以及锐化方法。 最后还添加了一个简单的验证码识别算法。利用垂直投影实现。

资源描述模板匹配是目标识别的基础，在目标图像中寻找与已知物体灰度一致性最大的区域，并识别出来

三个控制点的b样条曲线，会输出插值数，每隔一个点，会在曲线上标出。显示用opengl。

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

图像前处理是图像处理中做的非常第一步。前处理，删除所有不需要的数据被统称为噪声，提高图像尽可能多地使感兴趣区域的更加突出。这有助于在以后处理，可以帮助，取得好成绩。图像 binarisation 是强制性的一步，要在预处理之一。它将图像转换为强度值介于 0 和 1 的二进制图像。

这些代码假定 UCF 图像格式 （不再使用） 中, 和 I/O 函数处理那个旧的格式是包含在软件包内。谁下载这些能感觉到自由地修改代码来写更多常用的图像格式。

此示例代码为您提供如何图像处理完成，并使用EmguCV操纵的概念。图像处理的一个很好的例子是脸和目标检测与识别等，但在此示例代码中，我只给脸检测和人眼检测的概念。我希望你们，你欣赏和热爱这项工作......

由于对运动目标检测与提取的精度要求越来越高,在运动检测中排除阴影的干扰也就越来越受到重视。当前采用的运动检测算法通常在提取运动目标 的同时也将运动阴影提取出来,这会导致在分割和提取运动目标时产生严重的影响。阴影消除算法，matlab版本，其中阴影消除的阈值和数学形态学模板的大小需要根据具体的视频图像调整到合适的值。