时钟画

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

DCT技术适用于图像压缩比，以获得更好的输出和重建图像，采用jpg标准。

运用6种算法进行肤色分割，基于opencv1.0+VC6.0，包括RGB、GB，HSV、Otsu、YCbcr，效果很好，而且都是写成子函数的形式，调用方便。稍微修改下参数就能在环境中很好地检测手势和脸部区域。

此代码表示示例说明如何使用交互式的分水岭分割算法。如果我们想要分析一些图像中的对象，然而，他们都是接触和重叠.一个有效的方法来分隔这些对象彼此是必需的。分水岭算法是最大众化的方式来实现这一目标。此代码包括使用分水岭，如绘制轮廓图像处理中的必要步骤。如果你想要正确编译这段代码，你的缪斯首先，安装打开电脑库，然后，你可以观看输出。

基于visual c++ 6.0，使用opencv1.0对图像进行简单的处理，适合初学者用。如果对opencv较熟悉的话，则此程序对您不会有任何帮助。该算法中只是使用opencv自带的几个函数进行处理，可以直接运行。

使用idl语言进行遥感图像的中值和平均值滤波，首先先读取图像，之后按照3*3对图像进行中值滤波和平均值滤波。同时将图像生成gif动画

采用肤色分割的人脸检测具有计算简单、检测率高的特点，并且对于人脸有旋转和倾斜的人脸图像也有较好的检测效果。但在检测时会把一些类似于人脸肤色的人体其他部位和类似于肤色的背景误检为人脸，具有较高的误检率。而且基于肤色分割的人脸检测对于光照条件等外部环境要求比较高，外部环境会直接影响其检测的效果。采用Adaboost算法的人脸检测有很好的检测效果，但该方法计算十分复杂，检测速度比较慢，对于有旋转和倾斜的人脸图像的检测率不高，而且当背景环境很复杂的时候该算法的误检率很高。因此，本代码是结合两者的优点的人脸检测

采用滑动窗口及直方图来计算窗口内的中值，代替传统的排序求中值法，获得较高的算法执行速度。稍加修改阈值及首个窗口的目标取值就可以生成最大值、最小值滤波的算法，即对应于形态学中的膨胀与腐蚀。

资源描述静态背景下，多目标的识别与跟踪，目标用方框标出，效果非常好。

在用稀疏表示做图像去噪、去模糊、恢复、修复时通常需要用到表示系数的求解，而OMP是最常用的经典解法之一。