OPENCV手册

两幅图 实现对模板图片的匹配。并会把在原图像中的位置给画出来， 使用的是ssda图像匹配的算法。                                                                                                                                                              &nbs

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

应用背景图切算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。本文简单介绍了图切算法和交互式图像分割技术，以及图切算法在交互式图像分割中的应用。关键技术 交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。

这是图像的极坐标变换！

应用背景H264编码不可缺少的步骤，程序带有文档说明。H264的编码的4*4DCT，量化，zigzag扫描，可以下载下来参考学习。关键技术VS的c++的H264编码部分的部分参考文档，很有参考价值。

其中，mdivwctl.cpp，mdivwctl.h 是MS_OCR的模块程序，一些功能函数尽我们的理解作了中文注释。用法主要在CCMD_OCRView.cpp中，OCR的用法很简单；为了使示范程序象样一点，添加图形的显示（它与OCR无关）。图形显示使用了CXImage包，这里你也顺便了解一个CXImage包的用法吧。这个程序中OCR的识别类型我们设置成简体中文，这样对英文的识别不好；当然你可能修改成识别英文（或其它国的文字，源程序里都有，你自己找吧）。

基于Qt平台开发的图片无损压缩，有简单的UI界面，图片输入格式为PNG，压缩为无损压缩，利用像素有效编码和解码

用于图像去运动模糊，可以输入图像，选择模糊核大小尺寸，可以选择default small medium large custom。可以查看图像属性，并选择processor为CPU或者GPU。

本研究工作的主要目的是从特定的MRI扫描中识别肿瘤及其定量；

图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术的一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的系统有康耐视系统、图智能系统等，目前是正在逐渐兴起的技术