飞思卡尔

应用背景功能强大的OPENCV，对处理图像有很强大的功能。学习好OPENCV对图像处理有很大帮助。关键技术对OPENCV有详细的描写，适合新老朋友学习OPENCV。功能强大。

此代码可以帮助您检测图像中的特定模式。在这个程序中，你会发现所有关于读取和写入数据，from 和 to 文件。您将发现和使用的文件阅读和写作的语法和程序。这个结尾给出了示例文件读/写代码文档。您可能希望使用此或执行您自己的代码。你需要进行 2 的测试运行。模式可以找到几乎无处不在。例如，在处理的同时图像文件，来检测任何特定的模式，在原始图像中嵌入原始将首先转换为等效的灰度组成或者 0 或 1 表示。在特定的模式然后搜索对这种原始图像。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

BERNSEN localthresholding %。%Bw = BERNSEN(IMAGE) 执行的一个二维 localthresholding%阵列图像的 Bernsen"sthresholding。该方法使用%用户提供对比阈值。如果是局部对比度 （最大-最小）%高于或者等于 contrastthreshold，阈值设置为%本地 midgrey 值 （平均最低限度和最大灰度值在%本地窗口）。如果 localcontrast 是下面的对比%阈值附近被认为仅由一个类组成%和像素设置为根据的值对象 orbackground%midgrey。%%Bw = BERNSEN （图像、 [M N]，CONTRAST_THRESHOLD、 填充） 执行本地奇数 %阈值值 M 由 Nneighbourhood （默认值为 3，3）。默认值 forCONTRAST_THRESHOLD %都是 15。处理边界使用 PADARRAY 选项 （默认值是之一填充图像 %像素为单位）%"replicate"）。%

剪切人脸图像。python2.7代码。需要添加IPL1.1.7。功能是对齐人脸。输入参数是左右眼的位置。

用delphi语言编写实现图像的平移与缩放，代码精简，能达到很好的平移，缩放效果。同时里面附有例子图像，自己也可以加载自己所想加入的图片进行测试，很好用哦。

资源描述Camshift对目标进行跟踪，但是会出现跟踪偏移，结合卡尔曼滤波进行目标位置预测，并对位置进行校正，减少了目标的漂移。

在这里，我将附上完整的轮廓波变换及其相关应用程序，特别是图像压缩

C++实现了图像处理的腐蚀和膨胀算法。MFC工程实现，工程配有效果图，可直接使用。

数字图象处理 框架 完整的，可以直接使用的，非常方便的  里面包含 ImageProcess.cpp  和.h的文件.希望能够帮助读者。本人也是小白，刚刚起步，有疏漏的地方希望大家多多关照。大家共同进步！