取指定MAC地址

原来zbar项目http://zbar.sourceforge.net呈现在Windows平台上的几个问题。我们想解决它在原有的项目，但它暂时不可行。该zbar管理员可能有其他职业，比调整zbar在Windows上运行的有力更重要。我们采用DirectShow技术来访问视频设备。

基于OpenCV实现的图像特征区域跟踪程序，采用OpenCV自带的CamShift实现的自适应目标跟踪算法，可同时跟踪6个特定目标区域。

在场景图像上通过模板匹配技术，找到与之匹配的精确定位位置，程序中对于每个模板分别给出了最后的目标定位位置坐标，默认左下角的坐标为（0,0），得到偏差

资源描述这里面包括一个波谱图代码，画3y轴的图形代码，平行坐标图代码，三维坐标，以及一个主元分析例子的代码，例子虽然简单，但思路是一样的。

C++代码，源码在VC6.0环境下可以运行成功，实现了灰度图像边缘检测的功能，代码中用了两种不同算法实现边缘检测的功能。课设用代码，代码已验证，保证能运行。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

在

实现了基于opencv 的手写数字字符识别主要参照文章： http://blog.damiles.com/2008/11/basic-ocr-in-opencv/ 基本上就是按着人家的代码来配置的，完后小改动了几个参数，写了一个文档，方便大家学习吧。

待纠正的影像和参考影像，通过获取同名点坐标，解算多项式纠正系数。然后通过多项式纠正带畸变的影像，得到无几何畸变的影像。the program designs for rectifying the image with reference image

介绍传统边缘检测方法（Roberts, Sobel, Prewitt, LOG, Canny）,针对传统Canny算法中的缺陷，提出一种基于自适应平滑滤波和3*3 领域梯度幅值计算方法的改进的Canny算法进行边缘检测，利用Matlab得出实验图像，并进行无噪声下各算子算法的对比，有噪声下各算法的对比，原始Canny算子和改进的Canny算子在无噪