完成图像的剪切。旋转等功能。

本算法是基于OpenCV的人脸检测程序，在VS2010编程环境下，运行通过。这是对图像进行人脸检测，也可以自己改进一下，在视频中提取人脸。

这个项目是基于他们的颜色......特别红的跟踪对象的 matlab 程序代码......你可以改变一些参数来更改跟踪的颜色

使用说明：第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中该系统的识别率一般为90%另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图转为灰度图”“灰度图二值化”“去噪”“倾斜校正”“分割”“标准化尺寸”“紧缩重排”另外注意，要识别的图片，要与win.dat、whi.dat位于同一目录。此两文件保存训练后网络的权值参数

利用opencv 库函数bow类训练图片，提取surf特征点，用flann匹配，将特征点聚类成字典，设置每张图片的词典表示然后和要搜索的图片进行欧式距离计算，然后得到最近的那幅图即为要搜索的图片，

整个文件可以直接通过编译并能正常使用，用来测试opencv的各个模块的例子！

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

结构相似度（ＳＳＩＭ）用于图像复原（去噪，去模糊，盲复原，修复）后的客观评价！该评价标准比较适合于纹理结构多的图像质量评价

通过QT和opencv,在window下使用混合高斯模型读取本地视频，使用高斯混合模型进行背景建模。在新的opencv2.31中的混合高斯混合模型中集成了阴影处理。

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！！

在隐写术过程中，在空间域中嵌入秘密图像覆盖不是不可感知性和鲁棒性，所以要频率域。在频率域、 DCT 用于拆分的低频和高频 spareately。它是比空间域