基本LBP算法

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 可以看出其“双影”和”空洞”比较明显。双影是由于帧差法有2个影子，在该试验中就是轮廓变得很粗，”空洞”是由于物体内部颜色相近，检测不出来。当然帧差法还有个致命的缺点那就是阈值T需要人工设定。 　　对于帧差法的”双影”现象，有人提出来了三帧差法。其原理如下所示： 　　1. 由i(t)-i(t-1)得到前景图     F1 　　2. 由i(t+1)-i(t)得到前景图    F2 　　3.  F1 ∩ F2得到前景图     F3 　　4.  形态学处理 也就是利用2次相邻帧的差，然后去与操作，就得到了真正的那个影子了。这个在一定程度上可以解决”

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

高动态范围图像（High-Dynamic Range，简称HDR），相比普通的图像，可以提供更多的动态范围和图像细节，根据不同的曝光时间的LDR(Low-Dynamic Range)图像，利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像，能够更好的反映人真实环境中的视觉效果。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

matlab练习程序（旋转、径向模糊） 还记得过去写过径向模糊，不过当时效果似乎不好。这次效果还可以，程序中用的算法是：1.求当前处理点和图像中心点之间的距离r与角度ang;2.通过对r的修改得到径向模糊。3.通过对ang的修改得到旋转模糊。一看代码就能全部明白，不仔细解释了。

资源描述 代码是通过MFC+HALCON10.0的库来实现的， 思路是自己写的，底层代码用halcon实现。  利用halcon的模板学习功能来判断元器件的正反，使用的是形状匹配的原理。 同时通过颜色统计的方式来判断元器件上的脏污和是否混料。

应用背景粒子滤波目标跟踪源码，通过粒子滤波技术，画一个待选框，然后在视屏中通过待选框中的运动物体，然后对其进行实时跟踪。本人已经调试。关键技术粒子滤波技术结合目标检测复选框，选择运动目标，然后通过视频序列来检测运动目标并跟踪运动目标，从而达到跟踪目标的效果。

在本文中，我们目前 DCT （离散余弦变换） 块应用级图像压缩 JPEG （联合摄影专家组） 算法的有效性。结果表明该算法是在压缩的情况下最有效的因为它有非常良好的压实性能与能源相关的值。作为一项基本原则，我们消除高频率，并保持低和介质不会明显影响形象。在实际应用中的人脸检测、 皮肤颜色、 面部识别、 虹膜、 指纹等遇到了 DCT 的 JPEG 压缩算法

应用背景最近在研究电子稳像的东西，尝试着通过opencv编写了一段电子稳像的程序，效果不错，但是实时性不好。大家可以用来参考，开拓思路。关键技术平台为vs2010，使用opencv库编写，里边涉及到了LK光流法，Corner角点检测，最小二乘法等，输入视频，可以输出稳定后的视频，稳像效果不错，但是实时性很差，大家可以用来参考，开拓思路。

用C++程序写得KMEANS算法进行图像分割    基本概念 •       监督学习vs.无监督学习 Ø  监督学习: 发现数据属性与类别属性之间的关联模式。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

应用背景OCR的广泛应用和日益提高的一天。这将给你的OCR的基本想法大多数的OCR。但不要认为这是非常有效和准确的。作为这个项目的目的是给你整个整体概述。关键技术下面的算法包括预处理（图像处理命名。m）的基本操作如rgb2gray和gray2binary。然后逐行执行和信分离信。然后用训练数据的相关性将最大值定义的信保存在DOC文件。