利用canny算子对图像进行边缘检测

本代码是利用kalman滤波器实现对物体运动状态的追踪，可以有效的减小测量过程中产生的误差对最终结果的影响。

一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

OPENCV2.4.8+VS2012编写，基于HOG特征的人群检测，效果不是很好，用于初学者熟悉OPENCV。

在DSP上实现图像移位的操作，用C语言写的，代码简洁，YUV图像的操作。

卡耐基梅陇大学的车辆检测与跟踪程序，程序中利用光流法实现车辆的检测以及跟踪，跟踪以及检测的效果非常不错。 CMU vehicle detection and tracking procedures, the use of optical flow method.

实现图象的平滑（去噪声），锐化。，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰

C++ demo for Kaihua Zhang"s paper:"Real-Time Compressive Tracking",能够很好的实现实时跟踪。对做跟踪方面的研究着有一定的帮助！

基于opencv对图像实行双线性插值缩放以及最临近插值缩放#include "highgui.h" #include "cv.h" IplImage *src=NULL; IplImage *dst1,*dst2; void main() { double scale1=0.1; double scale2=10; CvSize dst1_size; CvSize dst2_size; src=cvLoadImage("E:学习VC文件c++ pricticepro1pro1.jpg"); //缩小系数 dst1_size.width=(int)(src->width*scale1); dst1_size.height=(int)(src->height*scale1); dst1=cvCreateImage(dst1_size,src->depth,src->nChannels); cvResize(src,dst1,CV_INTER_NN);//像素插值(最邻近插值)缩小 //放大系数 dst2_size.width=(int)(dst1->width*scale2); dst2_size.height=(int)(dst1->height*scale2); dst2=cvCreateImage(dst2_size,src->depth,src->nChannels); cvResize(dst1,dst2,CV_INTER_NN);//像素插值(最邻近插值)放大 cvNamedWindow("原图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后再放大10倍还原图",CV_WINDOW_AUTOSIZE); cvShowImage("原图",src); cvShowImage("缩小

计算机视觉技术中的一个重要部分就是斑点检测，它来源于区域检测，它在图像的预处理方面为重要环节，比如特征匹配、目标识别等方法之前。就图像方面而言，所谓斑点，就是有这样一块区域，它与周围的颜色和灰度值都有很大的差别，就是跟周围的图像性质不一样。在实际的自然环境里，就存在着这样的斑点，如苹果树上的一个苹果，站在苹果树下的小孩，甚至一座房子也可以是一个斑点等等。由于斑点是一个区域性的描述，相比一个单纯的角点，它的稳定性和抗噪声能力更有优势，对于图像的后期分析和处理有很有很大帮助

matlab仿真实现对复杂背景下图片的基于形态学梯度重构和标记提取的分水岭分割。