vibe 前景检测

自组织特征映射（SOFM）学习对输入向量进行分类，根据它们在输入空间的组合规律。自组织映射在竞争层不同于在该相邻的神经元中学会识别的输入空间的邻接部。因此，自组织映射学习神经元分布（就像竞争层）和都是受过训练的输入向量的拓扑结构。本代码是关于自组织特征映射的c++代码，实现了聚类的功能，可以帮助初学者理解神经网络的相关变成内容

应用背景基于matlab的视频目标跟踪算法包括单高斯背景建模，可以在行人检测，目标跟踪、车辆检测等实际应用中用到关键技术这是视频目标跟踪算法的matlab仿真，非常值得学习，主要的算法有单高斯背景的建模算法、多高斯模型算法检测运动目标

文件当中包含非常丰富的作图程序和源文件，相信会有很大的帮助。-the manual introduces the reader to the main IDL image processing in the powerful functions. Including how that controlling the images and information extraction. To help readers gain a quick, the book provides a lot of direct graphics and graphical object examples of the treatment. 

一个用c++实现的meanshift算法，很有用很搞笑，支持并行计算，适用于高级用户

本代码涉及到对图像读取，高斯滤波，中值滤波，最大值滤波，最小值滤波，边缘检测，图像反转，等等，对于初学图像出里的人有较好的帮助，尤其是不会弄的更有较好的参考价值

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

获取图像任意点的灰度值。可以完成图像的读取，然后使用鼠标在图像上点击，可以获取图像该点的灰度值。程序代码简单易懂，运行速度快。

应用背景演示3dstereo三角形C++ DirectX d3dvertex SetRenderState d3dtransformstate_projection， ；stereorender DrawPrimitive关键技术HRESULT stereorender（lpdirect3ddevice7 pd3ddevice，int ieye）{ ； ； ；d3dmatrix matview，matproj； ； ； ；浮fmview_41，fmproj_31； ； ； ；d3dmaterial7原料； ； ； ；zeromemory（&；原料，sizeof（原料））； ； ； ；zeromemory（&；matview，sizeof（d3dmatrix））； ； ； ；zeromemory（&；matproj，sizeof（d3dmatrix））； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_view，&；matview）； ； ； ；pd3ddevice - & gt；GetTransform（d3dtransformstate_projection，&；matproj）； ； ； ；/ /保存当前视图 ； ； ；fmview_41 = matview _41； ； ； ；fmproj_31 = matproj _31； ； ； ；/ /改变/投影矩阵 ； ； ；matview。_41 = fmview_41 + ieye * g_famp； ； ； ；matproj。_31 = fmproj_31 + ieye * g_fzp； ； ； ；pd3ddevice - & gt；settransform（d3dtransfo

从摄像头获取一帧帧图像，经过一些初步处理，包括图像的二值化，灰度化，形态学滤波，图像腐蚀，图像膨胀等方法完成对获得图像的初步处理，然后利用opencv库中的霍夫圆识别算法，识别灰度图像中的圆并实时显示在摄像头画面中。运行环境：win7，vs2010，opencv2.4.3

对灰度图像进行划块，以每个块为向量对其进行PCA分析，取有限个特征值复原图像，达到压缩的目的。