图像增强技术

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。

图像特征提取的四种算法。1) 顺序前进法特征选择 2) 顺序后退法特征选择 3) 增l 减r 法特征选择4) SFFS特征选择Four types of image feature extraction algorithm, to spend a great deal of effort to get the! To share with you all !

应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法，如method = 1; 4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";

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 ！

用C++实现LBP（一般、Uniform LBP、旋转不变LBP）

基于块的运动估计算法的介绍，清楚的流程图，全搜索算法、三步搜索、钻石搜索等

图像配准是一种确定待拼接图像间的重叠区域以及重叠位置的技术，它是整个图像拼接的核心。本文采用的是基于特征点的图像配准方法，即通过匹配点对构建图像序列之间的变换矩阵，从而完成超宽幅图像的拼接。为了提高图像配准的精度，本文采用了RANSAC，LM等算法对图像变换矩阵进行求解与精炼，达到了较好的图像拼接效果。

稀疏光流程序演示 此程序是斯坦福大学大牛David Stavens 2007年编写，其中程序注解详尽，配有PPT和PDF讲解图文并茂，非常适合初学者学习使用。 此程序是使用VC++ 搭配opencv2.6写作而成，使用者需要在vc环境下配置opencv才可以运行 本程序基于OpenCV。

opencv+vs2010，载入图像，再使用cvtcolor，将rgb转为gray，其中使用 3x3内核降噪 ，运行Canny算子  ， 阈值可以任意通过滑动条设置，使用 Canny算子输出边缘作为掩码显示原图像，可以看到不同阈值下的边缘图像

这是用C++实现MRF分割的源代码。