立体网络摄像头

OpenCV 2 计算机视觉编程手册--随书源码.大家可以研读一下

Matlab Code 为脸识别基于 LDA 算法-FisherFace- on orl_faces （图像人脸数据库）

我的项目名称是可变的隐藏的神经元合奏为大众分类数字乳腺图像中。这个项目我使用从 DDSM （筛查乳腺放射成像的数字数据库） 的数据库。在这个项目中我做了第一次图像的预处理 & 然后图像的分割。为此我用二进小波处理。这一项目在 Matlab 做所以我需要为二进小波的 matlab 程序代码。所以请你尽可能早寄给相同的 matlab 程序代码。 谢谢。

本程序使用 c + + 使用高斯混合模型的背景减法。这是快到足以检测背景匹配

基于sift的图像复制粘贴篡改检测算法，该算法首先提取出sift特征，用的是网上提供的提取sift的混合编程方法，然后将sift特征进行匹配并聚类，再用RANSAC算法剔除误匹配对，最后用线段将原始块和复制粘贴块中的匹配点连接起来。此算法能抵抗各种后处理操作，如旋转、尺度缩放、添加噪声等以及它们的几种组合。

  基于模板匹配操作比较简单，实现效果也是比较好的。该方法的主要思路是待检测图像与先前做好的模板图像之间提取的特征向量逐个进行比较，计算它们之间的相似度，然后将图像归于相应的类。本次实验使用的模板是trainImgs中的train20.dat文件先建立模板，然后  在计算待检测图像与模板之间的欧氏距离，与设定的阈值相比较，从而检测出该图像的人脸区域。#include "stdafx.h"#include "facedetect.h"#include "facedetectDoc.h"#include "facedetectView.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;pDC->TextOut(600,10,"操作说明：");pDC->TextOut(600,40,"步骤一：载入训练库 *.dat 生成模板");pDC->TextOut(630,60,"（训练库在程序关闭前只需载入一次）");pDC->TextOut(600,80,"步骤二：载入 *.raw 或 *.txt/*.lst");pDC->TextOut(630,100,"如果载入的是 *.txt/*.lst 列表");pDC->TextOut(640,120,"按 Page Down/Up 翻页");pDC->TextOut(650,140,"（需要修改 *.txt/*.lst 里边的存放地址）");pDC->TextOut(650,160,"（注意存放地址不得出现中文或符号

应用背景如果有不含前景物体的背景图片，提取前景的工作相对容易，只需要比对当前帧和背景图片的不同，调用函数absdiff实现。但是大多数情况，获得背景图片是不可能的，比如在复杂的场景下，或者有光线条件的变化。因此，就需要动态的变换背景。关键技术对于第一帧出现前景的情况，由于后续更新背景都是对前景mask后对背景进行更新的，所以第一帧的前景部分对背景的影响因子很难被更新掉。这里提出一种改进的办法——混合高斯模型。可以使一个像素具有更多的信息，这样可以有效的减少类似树叶的不停飘动，水波的不停荡漾这种对前景的干扰。这个精密的算法比之前我所介绍的简单方法要复杂很多，不易实现。还好，OpenCV已经为我们做好了相关工作，将其封装在类BackgroundSubtractorMOG，使用起来非常方便。

基于opencv的车道线检测代码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。效果一般

这基本上是车辆计数系统使用 matlab。它将视频文件作为输入，生成框架。通过平均第 10 帧，然后获得背景。然后应用图像处理技术来检测和跟踪这辆车从视频帧。

对红外图像首先在方差空间中提取显著性区域，然后根据图像复杂度对显著性区域进行筛选，最后采用阈值分割方法分割显著性区域，获取目标。