bmp图片灰度化

Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。结合Klaman进行轨迹预测。

这个例子说明如何在2维数据进行模糊C均值。模糊c均值（FCM）是一个在其中一个数据集被分成n团簇与每一个数据点在属于每个集群到一定程度的数据集的数据聚类技术。例如，位于靠近一个簇的中心有一定的数据点将有属于或会员到该集群和位于远离集群的中心将有属于或度低的另一个数据点的高度隶属该集群。

去除阴影后的车型识别系统 车型识别。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

通过相位匹配算法实现相位转换，利用FFT变换达到预期效果，最后输出图像和旋转角度，方法简单，节约时间，效率得到很大提高。

 采用灰度变换的方法增强图像的对比度, 程序能够运行出正确的结果，希望对各位有帮助。 

使用opencv3.0 检测二维码，输出二维码的信息想直接使用的话有release版本直接调用本机摄像头检测使用的zbarscanner类已经整理好，向再次开发很简单，已经注释。注意：需要下载zbar的环境下面是环境下载路径http://zbar.sourceforge.net/download.html注意：需要自己配置一下opencv3.0 的环境哦如果可以可以有找到二维码对应坐标位置的方法的大牛们  请告诉我谢谢！！

这是一个特别适合初学图像处理的人看的程序，在MFC的平台上加入了opencv，利用简短的代码实现一些非常酷炫的功能，让人形象的感觉到opencv在图像视频方面的强大之处，让你感受编程的乐趣。

很多时候，我们需要处理的同一图像的不同分辨率的图像。例如，同时寻找图像中的东西，我们也不确定什么大小的对象将是本 在图像。在这种情况下，我们将需要创建一组图像具有不同的分辨率和搜索所有的图像中的对象。这些组具有不同分辨率的图像被称为图像金字塔 （因为当他们被关在一个堆栈底部和最小的最大图像在顶部看起来就像一座金字塔图像）。高斯和拉普拉斯金字塔

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

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。