人脸检测系统

使用跟踪移动目标的例子,详细文档。卡尔曼滤波是目标跟踪的主要功能,程序使用卡尔曼滤波器实现正确的跟踪移动目标

openmv下HAARD cascade二进制文件制作脚本。可以用来将训练的结果.xml文件转换为二进制文件。需要注意的是脚本需要在python2.7环境下使用，如果在python3下，可能因为numpy的版本过高而产生异常。压缩包中有一个cars.xml，以及转换为二进制后的文件cars.cascade.

应用背景立体匹配是三维复现，生成三维点云中的一个重要步骤，只有精确地匹配了左右两个相片上点才能准确地三维复现出物体表面轮廓信息，为如3D打印等工程提供前段信息。关键技术立体匹配中算法的选择与实现，速度上的要求，精度的要求，opencv函数库的应用，标志点的选取，相机的标定等问题。

包括bmp格式图片读取，写入，图像二值化，灰度转换，直方图均衡化等基本操作。不需要用到opencv的开源代码库，是直接用C++编写的图像处理程序。程序包括MFC应用界面

应用背景基础轮廓查找——findContours+drawContours；开发测试所用IDE版本：Visual Studio 2012。-Program description: Based on 2.4.4 Function: base profile Find findContours+drawContours development and testing of the operating system: Windows 7 64bit IDE version used for development testing: Visual Studio 2010关键技术opencv2.4+vs2012对图像中的轮廓进行提取，查找

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

虹膜识别的完整程序，有图片，有说明，可以用。

应用背景 duiib是没有句柄的，但是halcon得的open_window函数需要一个句柄才能绑定一个窗口， 此源码用win32代码新建一个Win32的STATIC，将STATIC控件贴在duilib的窗口上，然后可以想MFC那样操作了 关键技术 将halcon运用在没有句柄的duilib窗口上

自己学习freeimage，用vs2005编写的对freeimage的调用实例， 测试了图像显示，图像转换，图像压缩和解压几个接口

Dicom读取和信息获取 DicomImageViewerCode老外写的读取Dicom的代码，适合学习和研究。