图像 基于OPENcv 自适应二值化 轮廓多边形拟合 轮廓提取与绘制

傅立叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。本程序实现了图像的傅里叶离散变换变换，傅里叶变换部分使用了openCV的函数库。

面向梯度直方图可以用于图像中目标检测。特别是，他们被用作行人检测"使用面向梯度直方图的行人检测"一文中介绍 Dalal 和 Triggs。Matlab 程序代码计算猪以详尽的方式，如本文所述。训练分类和检测对象/非对象区域，然后可以使用说明符。

此源代码告诉如何隐藏进程的文本可以采取数字输入图像的地方使用过程中的数字图像隐写术，所以然后可以适当地隐藏内容。

读入图片，并将直角坐标系下的图片转换为对数极坐标下的图片，此方法可以用于求的图像的旋转、偏移以及缩放量

此示例应用程序演示了BlobCounter类的用法，该类允许在指定的图像中查找所有单独的对象。它找到每个单独的对象，提供其属性，并在其他框架类的帮助下，为每个对象或其四边形的角点提供凸包（如果对象确实是四边形，则应以良好的精度找到其角点）。

应用背景vs2010+opencv2.4.8,人脸识别，ORL人脸数据库，里面有两个代码，LBP.cpp利用LBP方法先训练图像得到分类器（xml）然后测试待测样本。LBPload.cpp则直接可以用LBP.CPP生成好的分类器测试待测图片，比LBP.cpp快很多。关键技术用的是LBP算法，也可以换成pca和fish算法，只是LBP更快而且占得内存也小一些，里面也有测试时间。为了方便，我直接确定的测得是第13个人，可以修改的。里面的data文件夹里面的at.txt和待测图片路径记得按照你们的情况修改。

资源描述 资源描述(VS2010+openCV2.4.11) 基于Gabor+PCA+SVM的性别识别共有三个程序组成：1）图像预处理，从人脸数据库提取人脸，为提取特征做准备；2）运用Gabor对特征提取，并用PCA降维，训练出SVM性别分类器；3）由训练出SVM性别分类器，对输入的图像进行性别识别。这是第三部分代码。

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

在拍摄环境中拍摄一张白纸，将这张白纸作为模板，再在相同环境下拍摄想要拍摄的图像，以白纸模板作为参考，对拍摄图像进行校正 #include "stdafx.h" #include #include #include #include #include using namespace std; using namespace cv;

首先计算背景图像与当前帧图像介的差，然后对差分图像进行二值化和形态学滤波处理，并对所得结果进行区域连通性分析，当某一连通的区域的面积大于某一给定阈值时，则成为检测目标，并认为该区域就是目标的区域范围，就可以确定目标的最小外接矩形。目标跟踪模块已有两个基本实现的方法，但运用背景差分方法对图。像进行二值化和滤波的效果，还远没有达到独立、稳定的跟踪要求，必须尝试多种运动目标提取方法及滤波算法。