超像素分割

它是一个用于生成新图像的源代码，在该源代码中，它删除了图像的透视效果，并生成一个从顶部看到的图像，或者可以说鸟瞰图像

sift 算法代码，并附有详细注释。可实现两幅图像的特征点匹配。使用c语言编写，可以作为测试。压缩包中提供源码测试所需的图片及其他相关文档。

基于OpenCV中值滤波方法，中值滤波是在1971年由Tukey提出来的，它是一种非线性的且比较典型的滤波技术。在某些条件下它能够克服如均值滤波、最小均方滤波等产生的图像细节不清晰，对消除椒盐噪声极其有效，在分析处理一些光学条纹测量图像时有着重要的作用，可是在分析条纹中心方法中没有太大的用处，在处理图像中，可以维持边缘信息，是很典型的平滑噪声法。

在肤色检测、人脸识别、图象和视频检索的研究中,大量算法都是基于对图象色彩特征进行分析的,然而当图象发生偏色时,这些算法的性能会明显下降,甚至无效,而且由于现有的偏色校正算法,引入了其他关于偏色图象的先验性信息,具有很大的使用局限性,为此,提出了一种在只给出偏色图象的条件下,进行偏色检测和自动校正的算法.该算法首先获取并分析偏色图象在RGB各通道内的直方图特征,然后参照这些特征检测偏色通道,并通过调整偏色或非偏色通道强度分布来达到各个通道之间色彩平衡.实验表明,在较大程度的偏色情况下,该算法校正恢复出的图象与原始无偏色图象能达到视觉上基本一致的效果,并具有普遍的适用性.

这些代码被用来实现粒子滤波基于视觉对象跟踪（PF），卡尔曼粒子滤波基于视觉对象跟踪，无味粒子滤波基于视觉对象跟踪。其耐用性远远超出了传统的视觉对象的跟踪算法，如均值漂移（均值漂移）和CamShiftThe码KPF和UPF的视觉目标跟踪耗费了巨大的精力，而你找不到任何相关的算法代码互联网！我们的研究小组已经优化了这些代码和应用他们开发的主动视觉目标跟踪的平台。现在，我分享他们给你，希望你爱他们！

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

利用形态学处理对道路进行分割提取，包括中值滤波3x3,5x5,7x7等不同模版下的道路提取，可以有效的提取出道路的骨外扩，后面有详细的备注说明。                                                                                                                                  

采用C语言实现了一种背景建模的方法，vibe算法，该算法性能良好且运算速度较快，该算法基于文章Vibe：a universal background subtraction algorithm for video sequences实现，具有较高的实用价值。

此程序实现了基于颜色特征的图像检索功能。此程序实现了基于颜色特征的图像检索功能。此程序实现了基于颜色特征的图像检索功能。此程序实现了基于颜色特征的图像检索功能。

opencv 运动目标检测 帧差法 主要用帧差法将运动目标的轮廓进行提取，然后用矩形框将运动目标包围 ，再判定运动目标是否进入了所设置的警戒区域，从而进一步决定将运动目标包围的矩形框的颜色以区分是否进入警戒区域