MATLAB双目视觉摄像机标定张正友法

一种鲁棒的文本水印算法，采用图像和文本水印相结合的方法来充分保护文本文档

很不错的一个人脸识别技术，大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术，大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术，大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术，大家看看上面的图像就知道大概功能了

Tracking Algorithm: Object Delineation Method Multiparticle Files:          Description MCShape03.m     Tracking algorithm Partwobeads.m   Sample parameter file Twobeads.avi    Sample movie       Instructions: Download the tracking algorithm and sample parameter file.  The parameter file is set up for the sample movie,  or use your own uncompressed avi

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

能够实现obj文件的读入 旋转平移 缩放，可以在 vs2010 上 完美运行，dll文件在第一个文件夹里，可是自己情况选择添加。，

这是SIFT算法的C++实现代码，对于SIFT检测子，SIFT描述子的代码编写很具体，对照原文博客来看的话，理解效果会更好。对于初次学习SIFT的菜鸟来说，是很直接，也很不错的一种学习选择。

在对VTK配置正确之后，读取单张tif图像。VTK本身仅仅支持单张TIF图像，或者是一个数据包，而不支持tif图像序列。若是tif的图像序列，则仅仅读取其第一张tif图像。同时在网络上参考一下资料。 http://vtk.1045678.n5.nabble.com/3D-Tiff-to-vtkImageData-class-td5607259.html http://bioimagexd.svn.sourceforge.net/viewvc/bioimagexd/bioimagexd/trunk/vtkBXD/Processing/ http://www.vtk.org/pipermail/vtkusers/2008-June/095731.html http://public.kitware.com/cgi-bin/viewcvs.cgi/*checkout*/Examples/ImageProcessing/Cxx/ImageSlicing.cxx?root=VTK&content-type=text/plain

产品条码读取源码，利用摄像头捕获图片后经该代码解析出条码，VC6.0编译通过，添加到自动化项目中做产品条码识别是不错的选择，欢迎下载。

wince下的画图程序，WINCE没有带这个小工作，为了让产品更象PC机，我写了这个程序，完全自主编写和代码实现，没有使用DLL或OCX等封装过的东西。功能和WIN32版本类似，因API缺少的原因无画曲线和截取任意图形的功能，其他功能完整。EVC4下编译通过

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。