几种常用图像处理算法

openCV 支持从摄像头和视频文件（AVI）中捕捉图像，此程序说明如何捕捉从摄像头或者AVI视频文件得到的视频流，并且对该视频流进行处理（边缘检测）

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

基于opencv的人脸表情识别，采用的是svm分类方法。SVM的思想可以概括为两点它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；

该程序实现了2004年Boykov新的最大流最小割算法，应用在图像分割中的图割模型中，能够最优化图割中的能量函数，代码完整，能够实现。

应用背景C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法。关键技术图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！

基于VC++6.0实现的人脸检测程序，MFC dialog实现，包含2种人脸区域检测方法，以及人脸区域划分后的鼻子眼睛和嘴角的特征提取

一个运动估计运算的MATLAB文件，本人已经测试过，非常有用!

在这个项目中，使用 opencv 和 visual studio 应用基于颜色的检测。它可以用于检测任何你想要的颜色。享受吧 ！

资源描述灰度共生矩阵是一种纹理描述算法，该程序首先初始化灰度共生矩阵，并且计算灰度共生矩阵的参数，这些特征参数有熵、能量、对比度、一致性等。

OTSU是在1979年由日本学者大津提出的，是一种自适应确定阈值的方法，这是按照图像的灰度特性，将图像分成目标与背景两个部分。