B样条曲线

在对视频文件或者多序列图片批量进行边缘检测时，可利用该方法。该方法主要借助于VC++和OpenCV环境进行实现。算法主要包括两方面：一是对视频文件帧的获取，二是通过Candy算法对获取的帧进行边缘提取。（注：avi文件过大，运行代码时用户可自行添加）

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。

应用背景我开发这个项目的C #。这个项目是实时检测移动对象。谢谢，有，有，有，有；关键技术你好，我用帧差法和轮廓检测法在这个项目中；谢谢

本程序是在vs2010+opencv的平台上运行的，利用的是opencv2.4.9，C++写的，利用多种方法来遍历图像，例如通过创建迭代器的方法来遍历图像，通过指针的方法来遍历图像等方法来对图像进行处理。最后的得到的效果令人满意。

资源描述1.首先从文件菜单打开程序目录下的car.avi视频,系统将显示视频的第一帧。 2.点击背景提取菜单，稍后会提取出背景并显示在打开的第二个窗口中。 3.当提取出背景后，点击检测跟踪菜单，对车辆进行检测和跟踪。 4.点击轨迹绘制菜单，绘制车辆的轨迹。 注：由于使用OpenCV打开AVI视频文件需要视频解码器，故在程序运行前请在电脑上先安装DivX类型的的视频解码器，否则将出现无法打开文件的错误。本程序使用的是OpenCV2.1版本，在没有安装此版本软件的机器上运行时需要将cv210.dll,cvaux210.dll,cvcore210.dll,highgui210.dll,ml210.dll这五个文件拷贝至*.exe可执行文件下。

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。

在彩色空间中，皮肤颜色的分布较为集中，与其他景物颜色间有较好的可区分性，可以用模型描述或对样本进行学习的方法加以判别。图像中皮肤颜色的差异主要由光照引起，在检测中只考虑色度信息，就可以减少光照的影响，使肤色的分布更趋集中。通过检测皮肤区域，可以缩小人脸的搜索范围，提高检测速度。HSV空间是RGB空间的非线性变换，它将原本相关性很强的R、G、B值转换为相关性较弱的H、S、V值，H和S分量与人感受色彩的方式相一致。HSV颜色空间可以用一个圆锥空间模型来描述。

matlab练习程序（图像马赛克）处理原理就是将邻域像素平均值赋给邻域中的所有像素。这里将处理方法分为了带线条和不带线条，带线条处理后的视觉效果要好些。 

此为KLT跟踪代码，压缩包内部包含了关于此代码的详细介绍与适用方法。可以自定义跟踪图片数量，压缩包里也提供了演示图片已经已有的实验结果。此代码源于Stanford，同时KLT is now in the public domain.  Stanford"s Office of Technology Licensing has removed the non-commercial restriction.

梯度锐化和拉普拉斯锐化。 但由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高的信噪比；否则，锐化后图像的信噪比更低。邻域平均法或加权平均法可以平滑图像，反过来利用对应的微分方法可以锐化图像。微分运算是求信号的变化率，有加强高频率分量的作用，从而使图像轮廓清晰。由于图像模糊的实质是图像受到平均或积分运算造成的，所以为了把图像中任何方向伸展的边缘和模糊的轮廓变得清晰，可以对图像进行逆运算如微分运算，从而使图像清晰化。在图像处理中，一阶微分是通过梯度法来实现的。