最小二乘法用于高光谱分解

基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。   基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。  

大每一本OpenGL入门的书都会讲到OpenGL的Select模式，它采用一种方法使得可以获取当前鼠标点选的几何图形。简单的来说这种方式就是首先调 整Projection矩阵，使得你透过从鼠标点选附近的一个正方形（大小可设置）看到的世界。然后开始绘制，当每一次绘制的时候都会判断你会不会看到。 如果看到，那么，你就是选择了这个几何图形了。更为具体的过程可以参见相关的书籍。 http://hi.baidu.com/sishenfuhuo/blog/item/e98b852ef94013371e30892a.html2.在OpenGL红宝书中介绍了一种简便易行的办法:在后缓冲中 使用不同的颜色重绘所有对象,每个对象用一个单色来标示其颜色,这样画好之后我们读取鼠标所在点的颜色,就能够确定我们拣选了哪个物体。这种方法有一个缺 陷,当场景中需要选择的对象的数目超出一定限度时,可能会出现标识数的溢出。对于这个问题,红宝书给出的解决办法就是多次扫描。实践证明这种方法的确简便 易行,但仍有不少局限性,而且做起来并不比第一种机制方便多少。限于篇幅,不再赘述。

实现运动模糊方向和运动模糊长度参数估计的方法。其中，方向估计用的是差分法，长度估计用的是频域的暗条纹方法。

这是一个基于hog的行人检测，只要你在这个文件下加上你需要检测的图片，以及安装opencv2.4.9即可完成检测。效果还是很不错的

根据camshift的不足，利用kalman的优点，进行预测，之后凋用camshift，对目标进行跟踪，从而使得camshift的跟踪效果很好

这段代码被与人脸识别。假设如果我们想要认识脸等等和碱的纹理特征，我们可以提取的脸。所以这是脸识别代码。你必须要从中提取的面孔的输入的图像。在这主成分分析用来认识到脸。

四路LVDS转换信号，其中一路作为时钟信号，其他三路作为图像数据，转换成十六位并行输出

应用背景加噪声的蕾娜图，经过中值滤波处理后输出像素值矩阵，保存在txt中。从MATLAB里读出txt像素值，重置矩阵后输出处理后的雷娜图（降噪）关键技术中值滤波算法核心是取9个值（文件中是3*3窗口）计算出中值输出，需要大量的FIFO。ISE文件中已经编写好并通过综合，可以直接使用。使用时注意更改路径。

计算机X线摄影(CR)作为当前医学影像技术的主流，有非常多的优点，比如价格相对较低，数字化图像便于后期处理，特殊部位摄像的不可替代性，等。但是在实际应用过程中，CR图像的质量也受到各种因素的影响。比如失真、模糊、噪声以及各种各样的伪影等等。滤线栅伪影便是其中之一，本文主要讨论如何用数字方法去除滤线栅伪影对CR图像的影响。在X线摄影中，会产生一些方向不同的低能量的散射线，这些散射线使图像产生灰雾，影响图片的清晰、度。为了吸收这些散射线，通常使用铅条排歹lJ而成的滤线栅，但是有时滤线栅的影子会投在成像板上，形成条纹状的滤线栅伪影。通过实验，可以看到均值和中值滤波处理对于本课题意义不大，非但没有去除伪影，还造成了图像模糊，效果甚至比不上原图。空间域滤波还有最大值最小值滤波、中点滤波等等，但是对于本课题来说效果都不好。所以基本不考虑空间域滤波这个方向。

学习MFC slider控件时自己编写的例程，结合了OPENCV。滑动RBG三通道颜色滑动条来调节颜色的深浅，实现了调色板的功能，作为初学MFC slider的一个小例子，并能对初学OPENCV像素访问的有所帮助，提供了两种访问像素的方法。