RobHess的sift算法 图像特征点的提取，表明方向和大小（opencv 2.4.9+C）

其中包括播放avi视频文件，打开摄像头，用摄像头连续拍照并保存，夹在一幅图像，对图像中任意一个象素点数值的读取，打开摄像头录制一段视频并且保存

为绿色版本，为了提取图片上的正交坐标；通过添加图像的四个角的坐标，对图像做矫正，矫正好之后，可以提取图像上的横纵坐标，易于学习方便。

Mpeg-4 视频编码程序， 使用 C 编写。 如果想了解 Mpeg-4，请查看此代码

本程序可以在c语言下进行jpg格式与bmp格式的相互转化，本程序自成一个模块，无需更改，可以作为单独程序运行，或进行地址的未调整，作为一个模块嵌入到程序中使用，翻遍简单有效！

目标跟踪可以运行程序，可以选定特定目标进行跟踪，程序肯定可以运行，直接加入到项目中也可以使用。！！！！！！！

应用MFC，基础的图像处理代码，有简易界面和主要代码的注释。适合初学者和C语言读程序薄弱人群。

   用OpenCV与C++结合实现的基于PCA算法的人脸识别，适合新手掌握PCA编程模型。

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。

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。

应用背景基于肤色分割手势图像可以很大程度除去背景，但因为人脸也是肤色也能被检测出来，这里就要除掉人脸信息。只留下手势信息就行。关键技术通过先对视频帧得到每个像素的概率，从而获得概率似然图像，再对该图像进行阈值分割