超像素分割

应用背景meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。关键技术首先设置好参数，然后用函数pyrMeanShiftFiltering()对输入的图像进行分割。分割后的结果保存在该函数的第二个参数即输出图像中，最后根据该分割图像的特点用floodFill()函数对其分割的结果用不同的颜色进行填充。当然该函数的使用暂时没有彻底的弄清楚。

应用背景这个程序是测试各种图像处理的滤波器。您可以打开各种图像格式，处理这个图像，通过使用各种过滤器；关键技术图像处理，各种边缘滤波器，BMP图像打开，图像文件保存， ； ；

HOG_OpenCV_Single

针对满文文字的特点，利用基于主轴的投影法进行文字分割，该程序可以将满文文字分割成单个满文字母，分割准确率较高。

应用背景一个递归的区域为2D和3D图像集和二进制掩码输出多边形生长算法。这个函数的主要目的在于清洁和高度记录的代码。关键技术使用方法： ；[ J ] = P，区域生长（CIM，initpos，thresval，maxdist，tfmean，tffillholes，tfsimplify）输入： ；CIM：二维/三维灰度矩阵 ；- initpos：初始种子位置 坐标；- thresval：要包括 绝对阈值；- maxdist：最大距离在【PX】 初始位置；- tfmean：更新的区域意味着初始值（慢） ；- tffillholes：填充封闭孔的二进制掩码 ；- tfsimplify：减少线路简化顶点个数输出： ；P：vxn阵列（有点尺寸，N V号）。P是封闭的多边形的所有相关像素/体素 ；J：二进制掩码（具有相同的大小作为输入图像）显示1（真）相关的像素/体素和0（假）之外

乳腺放射成像已被证明是最有效和早期癌症检测 [15] 的可靠方法。两个在解释 ofmammograms 使用了不同的技术。第一种方法包含的系统搜索eachmammogramfor 视觉模式有症状的肿瘤。

这是我自己做的一个视频音频编解码的程序。视频的编解码是使用的FFMpeg做的，包括环境的配置和引擎的初始化。音频的编解码采用的事faad和faac。另外视频的采集用的是opencv，不过用的是IPImage而不是CVMAT，凑活着用吧

本人亲测可用（基于matlab2010），速度稍慢，六张2760*1140的图片拼接大约十分钟能拼出来（笔记本，奔腾b980处理器，3g内存），接口处模糊，整体有畸变

opencv 2.4如何读取摄像头的操作，代码很简单，进行了简单的canny处理；

一个手势识别来控制鼠标的软件 通过摄像头捕捉手的移动从而来控制鼠标-A gesture recognition software to control the mouse through the camera to capture hand movements to control the mouse