数字图象获取处理计算法

对源图像指定区域（通过矩形的左上角和右下角的坐标点指定）使用最小误差最佳阈值法，通过迭代获得该区域的最佳阈值。

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。

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

该示例对载入的人脸图片先经过与处理之后，对人眼，鼻子，嘴的位置进行定位和检测。

2d 到 3d 视频 converterinput 给出了作为视频将与代码的 3d 的效果

利用opencv在原始图像上用鼠标点选四个点，构造出一个四边形，并依此四边形区域设置图像ROI区域，会对新手有所帮助

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等

资源描述源码里面实现了一些数字图像中相关的图像分割算法。对于初学者来说会是一个很好的参考。

//______________________________________________________________________________ // // Copyright (c) Cypress Semiconductor, 2011 // All rights reserved. // //______________________________________________________________________________ #ifndef CyUSBH #define CyUSBH #ifndef   __USB200_H__ #define   __USB200_H__ #pragma pack(push,1) 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