原出处：分类器结构及操作函数：CvHaarFeature#define CV_HAAR_FEATURE_MAX 3typedef struct CvHaarFeature{ int tilted; struct { CvRect r; float weight;} rect[CV_HAAR_FEATURE_MAX]

详细请参看photoshop图像点运算算法揭秘http://blogread.cn/it/article/6198原来，ps里面对图像进行全局的点运算，比如直方图均衡化，调整亮度和对比度，等等全局的点运算，都是直接对调色板进行操作。ps高效运算的秘密就在这里，它只需要调整这256个调色板项目的值，而不需要对每一个像素进行操作，就能得到正确的结果。当然，如

目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 %x是需要滤波的图像,n是模板大小(即n×n)function d=avg_filter(x,n) a(1:n,1:n)=1; %a即n

这个以前的时候，采取的是把要显示的图片copy到一张大图片上去~ 这个也忒麻烦了点然后 在 http://download.youkuaiyun.com/detail/zhazhiqiang2010/3614993#comment  这里发现一个好用的代码。。。。感谢上传者，记录在这里只为了以后方便使用~~~// showManyImage.cpp : Defines

我们每个人每天都在不停地眨眼，正常人每一分钟要眨眼10～20次，每一次眨眼的时间约为0.2～0.4秒，不算睡眠时间，一个人一天大约要眨眼一万次，人体中最忙的就是提睑肌了。每次眨眼间隔只有4～5秒。人每天眨眼多少次 人类大约每五秒钟眨眼一次，在每天清醒的16个小时中，一个人大约一天眨眼11500次，一年共眨眼四百万次

参考：http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html  目前的人脸检测方法主要有两大类：基于知识和基于统计。Ø  基于知识的方法：主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。Ø  基于统计的方法：将人脸看作一个

其定义在  object.hpp中找到的：struct CV_EXPORTS_W HOGDescriptor{public: enum { L2Hys=0 }; enum { DEFAULT_NLEVELS=64 }; CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockS

原文来自： http://www.matlabsky.com/thread-12379-1-1.html 本文由  faruto  在    MATLAB 技术论坛 〓›MATLAB 支持向量机›如何使用libsvm进行分类上发表。   参看原文请移步： http://www.matlabsky.com/thread-12379-1-

一下是  随手笔记 ，更详细，请参考 原文：vitoLee---HOG算子addr：http://blog.youkuaiyun.com/carson2005/article/details/77827261. HOG， 梯度直方图特征。HOG特征是一种局部区域描述符,它通过计算局部区域上的梯度方向直方图来构成人体特征,能够很好地描述人体的边缘。它对光照变化和小量的偏移不敏感。 Dal

int main() { IplImage* img = cvLoadImage("C:\\vvv.jpg", 0); IplImage *avgImg = cvCreateImage(cvGetSize(img), IPL_DEPTH_8U, img->nChannels); IplImage *medianImg = cvCreateImage(cvGetSize(

PIL  process  Image  Library提前下载 PIL库http://www.pythonware.com/products/pil/下载对应的python版本的安装之后在  D:\Program Files\python2.7.6\Lib\site-packages 目录下，就出现了  PIL目录啦。显示一幅图像：from PIL import Im

看到  http://www.zhizhihu.com/html/y2013/4381.html  的一段：集合里面的样本，每个样本一个概率pi, sum(pi)=1;每次采样只采一个样本出来。生成一个0~1的随机数p，从第一个元素开始遍历，如果sum(pj) >= p了，第j个元素被采出来，break。这之后也可以重新分配一下剩余元素的概率，从而保证每次采样都

用之前方法配置了之后，用习惯的opencv写法，不OK~一个OK的示例如下：import cv2.cv as cvdef binaryThreshold(name): img = cv.LoadImage(name) gray = cv.CreateImage(cv.GetSize(img), 8, 1) out = cv.CreateImage(cv.

图像的高低频是对图像各个位置之间强度变化的一种度量方法.低频分量:主要对整副图像的强度的综合度量.高频分量:主要是对图像边缘和轮廓的度量.变化越尖锐的地方高频频谱越多，图像细节就是变化尖锐的地方高反差也一样，它变化很快，过渡区很小，相当于变化尖锐。深灰到白的颜色变化比浅灰到白要大，颜色过渡更尖锐，高频分量也更多。

论文作者 Derek Bradley*   Gerhard Roth论文给的伪代码：void vvAdaptiveThreshold( IplImage* inImg, IplImage* outImg){ int S = inImg->width >> 5; int T = 10; char *input, *bin; inpu

/***************************************************************************** * 函数名称： cvOtsu2D() * 函数参数: CvMat* pGrayMat:灰度图形相对应的矩阵 * 返回值: int nThreshold* 函数说明:实现灰度图的二值化分割——最大类间方差法（二维Otsu算法） *

用 svm 训练了个分类器。给图片分类的。目标 ： 1else ： 0载入分类器查看效果#include "stdafx.h"#include "cv.h" #include "highgui.h" #include #include #include #include #include using name

可定记不住的，，，，为了方便查阅。。。。。。。哈哈。。。。最常用的就这几行：IplImage* img = cvCreateImage( cvSize(width,height), IPL_DEPTH_8U,3 );        char text[20] = "To print!";        CvPoint point = cvPo

灰度积分投影法 对人脸图像进行水平和垂直方向的投影。  根据波峰波谷 的分部信息来定位眼睛， 这种方法定位速度较快，但 波风波谷的分布对不同的人脸和姿态的变化非常敏感，定位精度较差。由于人眼区域的灰度特征与人脸部其他部位有明显的不同，采用积分投影和容易得到眼睛的大致位置。设所处理的图像为  Iph(y) 是第y列 的像素 之和 。 【

cvCreateVideoWriter　　创建视频文件写入器　　typedef struct CvVideoWriter CvVideoWriter;　　CvVideoWriter* cvCreateVideoWriter ( const char* filename, int fourcc, double fps, CvSize frame_size, i

形态学:一般指生物学中研究动物和植物结构的一个分支数学形态学（也称图像代数）表示以形态为基础对图像进行分析的数学工具         数学形态学以图像的形态特征为研究对象，描述图像的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。通常形

图像的二值化是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。　　将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，首先，图像的二值化有利于图像

边缘检测和图像分割的联系：         边缘检测后的图像是二值图像，对二值图像可以运用形态学操作来分割目标，所以边缘检测是图像分割的一个前提。但分割不一定非要用边缘检测。图像分割：概念：        图像分割是将图像划分成若干个互不相交的

Algebraic operation   代数运算   一种图像处理运算，包括两幅图像对应像素的和、差、积、商。Aliasing  走样（混叠）   当图像像素间距和图像细节相比太大时产生的一种人工痕迹。Arc  弧    图的一部分；表示一曲线一段的相连的像素集合。

基本知识类 1．问：什么是矢量图形？ 答：矢量图形是与分辨率无关的，其形状通过参数方程描述，由轮廓和填充方法组成。但不论是显示到屏幕上还是打印到纸上，它们最终都显现为位图。 2．问：什么是像素？ 答：像素（Pixel）是图形单元（Picture Demen

在对图像进行分析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强和图像复原        图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择的突出，而衰减不需要的特征，它的目的主要是提高图像的可懂度。图像增强的方法分为空域法和频域法

人体运动检测是指在输入视频图像中却东运动人体的位置、尺度大小和姿态的过程、人体跟踪是指在视频图像序列中确定各帧间的人体彼此对应关系的过程。可以采用 低通滤波去噪、背景差分、形态学图像处理、区域连通性分析等一系列的处理方法，将运动物体从视频图像中提取出来，然后采用人

图像及其数字处理图像数字化数字图像显示图像处理软件灰度直方图点运算代数运算集合运算线性系统理论傅立叶变换滤波器设计采样数据的处理离散图像变换小波变换光学和系统分析图像复原图像压缩模式识别：图像分割模式识别：物

OpenCV训练分类器一、简介目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为： 首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训

自己生成分类器后，可不可以使用呢？可以用下面 的程序 测试一下：#include "cv.h"#include "highgui.h"#include #include #include #include //用于防御式编程#inclu

#include "stdafx.h"#include "cv.h"#include "highgui.h"# include #include #include #include int _tmain(int argc, _TCHAR* argv[]){

下面这个程序  来自于仕琪的讲稿 《使用OpenCV进行图像处理》]中的例程：code：#include "stdafx.h"#include #include #include #include int main( int argc, char** argv ){ //声明IplImage指针 IplImage* pFrame = NULL

opencv参考手册里面有个 [人脸检测]  的程序:#include "cv.h"#include "highgui.h"#include #include #include #include #include #include #include #include #include #ifdef _EiC#define WIN32#endifst

来自：http://baike.baidu.com/view/707209.htm概念　　  1.1 点集Q的凸包(convex hull)是指一个最小凸多边形，满足Q中的点或者在多边形边上或者在其内。右图中由红色线段表示的多边形就是点集Q={p0,p1,...p12}的凸包。　　1.2 一组平面上的点，求一个包含所有点的最小的凸多边形，

IplImage* binaryImage=cvCreateImage(cvGetSize(imageIn), IPL_DEPTH_8U,1);cvThreshold(imageIn,binaryImage,graythresh,255,CV_THRESH_BINARY);其

基于对话框的程序。实现界面：打开图片的消息响应函数：void CcountRiceDlg::OnBnClickedOpen(){ // TODO: 在此添加控件通知处理程序代码 TCHAR szFilters[]=_T("BMP Fi

图像插值     “插值”最初是电脑的术语，现在引用到数码图像的处理上。即图像放大时，像素也相应地增加，增加的过程就是“插值”程序自动选择信息较好的像素作为增加的像素，而并非只使用临近的像素，所以在放大图像时，图像看上去会比较平滑、干净。不过需要说明的是插值并不能增加

AAM (Active  Appearance  Model)是广泛应用于模式识别领域的一种特征点提取方法[26]。基于 AAM 的人脸特征定位方法在建立人脸模型过程中，不但考虑局部特征信息，而且综合考虑到全局形状和纹理信息，通过对人脸形状特征和纹理特征进行统计分析，

前天老师要作报告，报告来这的2周的学习成果。先是学长们，主要就是给我们理理关于图形图像的思路吧。然后，是新生。等轮到偶的时候，已经是午饭了，悲催的是我的报告果真是整理的所学的，列了那么多知识点~看着大家都饿了，偶怎么好意思还在那里念我的知识点呢，况且大家也都不屑吧。。。。当时好囧