-
opencv摄像头调取与图像处理
这里在VS2010和opencv的环境下编码的调取摄像头并对摄像头捕捉到的图像进行处理。
第一步：初始化摄像头。
第二步：设置图像属性。
第三步：获取一帧图像。
第四步：显示图像cvshowimage()。
第五步：保存图像。
第六步：对图像进行阈值分割。
第七步：对图像进行二值化处理。
将彩色图片转化为灰度图片
- 2022-01-25 23:10:40下载
- 积分：1
-
Image_Viewer
这是一个基于java的图像查看器应用程序代码。这样，就可以检索和查看系统中的图像。此应用程序可以打开jpg、GIF、位图和png格式的图像。
- 2022-04-15 13:49:17下载
- 积分：1
-
结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0获取得红外数据存到openCV2.4.9中，并输出
结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0红外数据存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0infrared图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，infrared数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。
- 2022-03-05 17:31:36下载
- 积分：1
-
opencv1.0+加入纹理特征的粒子滤波
应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。
- 2022-06-18 03:12:10下载
- 积分：1
-
从别的网站上找到的hough检测圆,vc++源代码
打开图片，支持bmp格式，需要黑色背景的图片，大小小于384*288比较好，设置好要检测的圆的个数，圆的半径等参数，点击按钮，可以得到圆心与圆的轮廓图片。
- 2022-04-16 14:35:27下载
- 积分：1
-
人头分类器训练数据
应用背景可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多关键技术人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多
- 2023-05-25 09:10:10下载
- 积分：1
-
人脸识别opencv测试方法准确率的代码，绝对可用
应用背景vs2010+opencv2.4.8,这个是测人脸识别代码的准确率的，具体人脸识别的方法在我上传的另外一个代码里面。里面也有两个cpp,testLBPHaccuracy.cpp测得是LBP方法的准确率，testLBPloadAccuracy.cpp则更为精简，测得是直接下载分类器用于测试的准确率，理论上说两个应该一样。关键技术可以修改createLBPHFaceRecognizer()此函数的参数例如改默认参数为
(1,8,4,4,DBL_MAX)和修改训练图片的张数（即修改at.txt文件）再分别测它们的准确率和时间。里面附有我测的各种变化的准确率和时间（包括在vs上跑的时间和板子上跑的时间）大家可以参考一下，从内存，时间，准确率选择最适合的参数。
- 2022-07-17 23:30:26下载
- 积分：1
-
Delphi USB摄像头拍照及裁剪
应用背景Delphi 开发的USB摄像头拍照及裁剪图像，包括源码，实列。关键技术简单利用USB摄像头进行拍照裁剪图像功能
- 2022-02-26 09:30:46下载
- 积分：1
-
图像拼接，opencv
pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。
该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。
- 2022-02-02 15:15:33下载
- 积分：1
-
基于sift特征点的词包模型
1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。
2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。
注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。
首先运行centr3得到单词表，在运行bagofword生成单词包。
- 2023-09-04 04:55:03下载
- 积分：1
