1.         对比度拉升采用了线性函数对图像的灰度值进行变换2.         Gamma校正采用了非线性函数（指数函数）对图像的灰度值进行变换这两种方式的实质是对感兴趣的图像区域进行展宽，对不感兴趣的背景区域进行压缩，从而达到图像增强的效果3.         直方图均衡化将原始图像的直方图通过积分概率密度函数转化为概率密度为1（理想情况）的图像，从

采用C语言进行系统开发的时候，难免会集成fei

在IMU中，利用加速度计和陀螺仪组成的6DOF

最近想看看数据挖掘是个什么东西，因此特别的关注了下，首先看看数据挖掘baoha

写得太好了，又忍不住转载了！

因为感觉写的太好了，所以就转了！详细的可以参考yuan

AHRS（航姿参考系统）和IMU（惯性测量单元）的区别【转】　　刚开始的时候我总是搞不清楚AHRS和 IMU的区别。。不知道这有什么区别。。后来慢慢的慢慢的，我理解了～AHRS 俗称航姿参考系统，AHRS由加速度计，磁场计，陀螺仪构成，AHRS的真正参考来自于地球的重力场和地球的磁场～～他的静态终精度取决于对磁场的测量精度和对重力的测量精度 ,而则陀螺决定了他的动态性能。

http://blog.sina.com.cn/s/blog_6d8e91f401015pv5.htmlASM是基于统计学习模型的特征点提取的一种方法。这个方法是95年就提出来的，不过至今仍是我认为比较好的人脸特征点提取的方案。方法的提出人Tim Cootes后来还提出了aam算法，也很有名，但如果简单是特征点的定位的话，我认为asm的效果可能更好一些。ASM跟大多数统计学习方法一样，

最近做了一点关于车辆跟踪的算法，由于处理的场景视野比较小，那种整个车辆的跟踪方法行不通，不管是从时间上还是从跟踪的效果上。 因此对与车辆的跟踪只能通过跟踪车辆中的局部区域。这里面设计了两个问题：车辆中有效跟踪区域的定位和跟踪方法的选择。 一. 定位 没有做跟踪算法之前，感觉只要选择前景区域的任意一个区域就可以，总之只要定位在车辆上就可以，现在发现这种思路是不可以的。没有选择

夜间车尾灯检测已经成为智能交通视频触发以及车辆自动驾驶必须解决的一个问题！相关的解决方法有很多种，主要的一个方法还是利用车尾灯所表现出的偏红颜色进行检测！不过，这种方法只能在小快门的条件下使用，当快门比较大(>3ms)时，使用这种特征就可能存在很多的问题。        下面，这里介绍文章《Rear-Lamp Vehicle Detection and Tracking in Low-Expo

使用OpenCV需要注意的小细节1. char 与 unsignedchar    由于OpenCV的图像结构体IplImage中图像数据imageData为char*类型的。char的数据范围为[-128 127]。但是我们通常使用的图像数据应该是unsigned char，数据的范围为[0, 255]。因此这里面存在着一个小细节需要注意，那就是unsigned char与char的转换

背景建模的方法很多很多！各种方法都有自己的优缺点！这里简要的介绍一下基于GMM+LBP的背景建模方法。一. 背景建模算法作为背景建模的算法，应用于视频的实时监控时，必须满足以下几个条件：1)    能够适应光照的变化，树叶的摆动，可以抗干扰。2)    能够应对背景信息均值和方差的大幅度变化，针对于这一点，人们常常用多模型进行处理，比如采用混合高斯背景建模。3)    能够

整理和很多博客也算是原创吧！ 忘了转载哪里的了，自己收藏下来的。 一、研究群体http://www-2.cs.cmu.edu/~cil/vision.html这是卡奈基梅隆大学的计算机视觉研究组的主页，上面提供很全的资料，从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件，甚至还有一个搜索引擎。 http://www.cmis.csiro.au/IAP/zi

前段时间，无所事事，就帮人写了一个将多张图片转化为AVI的程序，因为图方便就采用了Matlab语言！其实整个程序和流程都很简单，就是将一个文件夹中的图片依次读入，并将其数据存储到AVI容器中！ 整个程序包括两个子程序：getallfile.m-----查找文件夹下包含的所有图片                                                pic2a

要对一副图像进行旋转，并且旋转后的图像的宽度和高度自己she