图像变形技术

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

不确定性下多传感器数据融合的dempster-shafer matlab工具箱

可以按频率、累计数量或视频内容的变化显著程序为依据，自动采集和保存图像。也可以作为使用摄像头的采集功能进行视频、图像处理的一般程序框架。供没有DirectX开发经验，但需要相应功能的图像处理、模式识别、计算机视觉等方向的算法研究人员作为工具使用。在Visual Studio 2005环境开发。如果不是作为编程框架使用，则需要Intel OpenCV(开源)视觉库的支持

基于opencv边缘提取的，实时显示视频的边缘信息，c++程序

图像处理中，大部分的处理方法都需要事先把彩色图转换成灰度图才能进行相关的计算、识别。转换灰度图的公式是，对一个RGB值，R、G、B分别是其3色分量，计算：Gray = R * 0.299 + G *0.587 + B * 0.114然后将Gray分别替换掉原来的3色分量。

应用背景利用机器视觉进行障碍物检测时，需要定位障碍物的坐标，由于相机有畸变，因此需要进行标定。这对于精确的定位障碍物有很大的作用。关键技术附上代码的同时还有标定图片，只需要修改一下图片存取的路径即可使用，特别适合初学者学习和使用。本标定采用opencv内置函数，基于张正友的算法思想。基于opencv1.0和vc6.0写成。

应用背景图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合图像融合关键技术小波分解与重构，好用小波分解与重构，好用小

opencv,C++图像处理相关，包括鼠标区域选取，截图，及简单的图像加载，适用计算机视觉初学者。

这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码使用步骤：1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)2. 找到"main.m"文件3. 命令行中运行它4. 点击"Train Network"，等待程序训练好样本5. 点击"Test on Photos"，选择一个.jpg图片，识别。6. 等待程序检测出人脸区域createffnn.m, drawrec.m, gabor.m, im2vec.m, imscan.m, loadimages.m, main.m, template1.png, template2.png, trainnet.m

读取 JPG JPEG 格式的图像文件中的EXIF信息的VFP程序。