碎片拼接

整个是一个粗糙的水彩化效果程序，通过若干种图像 运算算法得到，几何运算，代数运算，膨胀 扩散 求边缘等

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。

应用背景我用opencv这个项目。但它不是相同的OpenCV的样本。关键技术本项目是卡尔曼跟踪源代码。卡尔曼滤波类似粒子跟踪。

实现了被切割机切成等份的碎片的拼接，其中相似度关系是通过matlab得出的，先通过matlab相似度算法，得到所有图片之间的相似度关系，再通过本程序将相似度关系转化为碎片序列，再通过画笔画到画板上。

在matlab中，设置当前的目录为工作目录，在命令行中输入fpextractdemo，即可运行程序。系统设计好了，图片可以换。

本代码是利用kalman滤波器实现对物体运动状态的追踪，可以有效的减小测量过程中产生的误差对最终结果的影响。

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

我们建议是不特定的盲人没有参考 NR） 视频质量评价模型。该方法依赖于离散余弦变换域中的视频场景时空模型和特征类型的运动发生在幕后，视频质量预测模型。我们使用的模型来定义录像统计和感知功能，视频质量评估 （VQA） 算法，不需要在原始的视频，要预测一个感性的质量分数进行比较的基础。本文的贡献有三方面。1） 我们建议时空的自然场景 （NSS） 统计模型的视频。2） 我们建议量化运动相干视频场景中的运动模型。3） 我们表明拟议的 NSS 和运动一致性模型是适合的视频质量评估，我们利用它们来设计了一种盲目的 VQA 算法与人类判断质量的高度关联。提出的算法，称为视频 BLIINDS 测试住 VQA 数据库和洛桑 PoliMi 视频数据库和显示执行接近水平的顶尖表演减少和完整引用 VQA 算法。

通过电脑摄像头采集原始图像，调用opencv进行前景背景处理后，调用手势分析算法来对其进行识别，最后将合成的结果反馈到窗口上，达到实时识别

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。