使用harrTraining进行电池的识别实验阅读全文>
阅读全文>
发表于 @ 2007年10月10日 16:46:00|评论(loading...)|举报|收藏
cvsnakeimage 的例子阅读全文>
发表于 @ 2007年09月11日 14:48:00|评论(loading...)|举报|收藏
双目视觉简单测试阅读全文>
发表于 @ 2007年07月11日 17:10:00|评论(loading...)|举报|收藏
用python 在c++计算数学表达式的例子阅读全文>
发表于 @ 2007年07月06日 17:56:00|评论(loading...)|举报|收藏
联机手写大写英文字母识别阅读全文>
发表于 @ 2007年06月22日 10:17:00|评论(loading...)|举报|收藏
分形之美 看到有的网站搞分形艺术，才知道这个Z=Z*Z+C 如此的奇妙。 于是干脆在opencv下写出来，看看。效果还不错。呵呵。 这个小例子只能修改C的值，有兴趣的朋友可以自己改改代码，看能不能做出些美妙的图形。 阅读全文>
发表于 @ 2007年06月21日 10:33:00|评论(loading...)|举报|收藏
互动投影原理简单介绍阅读全文>
发表于 @ 2007年06月18日 21:15:00|评论(loading...)|举报|收藏
因需要研究了一下贝赛尔曲线,并在opencv下实现. 可以修改控制点，连接多条曲线，修改曲线精度。阅读全文>
发表于 @ 2007年04月26日 13:58:00|评论(loading...)|举报|收藏
简单使用 cvCalcPCA 计算主成分的代码阅读全文>
发表于 @ 2007年02月14日 17:08:00|评论(loading...)|举报|收藏
opencv使用cvDFT 傅立叶转换的例子阅读全文>
发表于 @ 2007年02月06日 10:41:00|评论(loading...)|举报|收藏
OPENCV下针对IplImage实现图像增强处理阅读全文>
发表于 @ 2007年01月05日 16:10:00|评论(loading...)|举报|收藏
双核机器使用openmp简单测试opencv阅读全文>
发表于 @ 2006年11月22日 14:32:00|评论(loading...)|举报|收藏
跟踪是计算机视觉一个很基本的问题，也有很多算法，MeanShift,Camshift, 等等，可是真正鲁棒性 Robust 强的不多，跟踪跟目标的特征有着很大的关系， 在研究中我发现在色彩分割基础上，对跟踪目标加上一定的特征，比如红绿搭配， 再根据这个特征搜索，红绿方格特征在空间比较辨识，就很容易获得好的鲁棒性。 阅读全文>
发表于 @ 2006年09月30日 17:06:00|评论(loading...)|举报|收藏
我个人提供代码下载列表，供学习参考使用。阅读全文>
发表于 @ 2006年09月16日 10:24:00|评论(loading...)|举报|收藏
opencv 提供了使用基于颜色的跟踪算法camshift, 很好的算法，可是它是个半自动的算法，它需要用户在跟踪界面设定跟踪的目标。怎么预先设定目标再来跟踪呢？ 本人偷了个懒，加入了用一张图片来设定跟踪的目标，在启动中加载图片，生成跟踪需要的histogram。这样实现了自动化的跟踪吧。阅读全文>
发表于 @ 2006年09月15日 14:13:00|评论(loading...)|举报|收藏
如何利用差分方法实现虚拟选择菜单阅读全文>
发表于 @ 2006年07月24日 17:10:00|评论(loading...)|举报|收藏
camera calibration 摄像头标定 步骤，代码整理阅读全文>
发表于 @ 2006年07月11日 15:22:00|评论(loading...)|举报|收藏
利用光流法计算人体运动的速度与方向 1.方向的计算 首先计算图像各个象素的光流(opencv LK),然后建立4*4窗口对X,Y方向分别做统计求和, 然后求得 atan(yy/xx)作为光流方向,即为运动的方向. 2.速度的计算 利用帧差分得到运动图像,然后建立4*4窗口对图像进行统计求和,求和值作为权重,表示速度的比例. 即运动区域白色(255)面积越大,速度越大. 阅读全文>
发表于 @ 2006年06月15日 12:23:00|评论(loading...)|举报|收藏
本文提供了使用directshow代替opencv的vfw 的源代码,与转化为iplimage格式的算法. 实验中发现opencv的cvCaptureFromCAM 使用的是vfw,采用消息机制,速度较慢,测试发现fps只有 9-12左右,太慢了. 发现经过使用directshow后速度提升到60帧/s.在opencv group上了解到这是一个普遍问题,也许有人做过转换,却没有完整的例子与代码.在此贴出.对希望提高opencv视频分析速度的有所帮助. 阅读全文>
发表于 @ 2006年06月01日 17:15:00|评论(loading...)|举报|收藏
大津法（OTSU法） 大津法由大津于1979年提出，对图像Image，记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。图像的总平均灰度为：u=w0*u0+w1*u1。从最小灰度值到最大灰度值遍历t，当t使得值g=w0*(u0-u)2+w1*(u1-u)2 最大时t即为分割的最佳阈值。对大津法可作如下理解：该式实际上就是类间方差值，阈值t分割出的前景和背景两部分构成了整幅图像，而前景取值u0，概率为 w0，背景取值u1，概率为w1，总均值为u，根据方差的定义即得该式。因方差是灰度分布均匀性的一种度量,方差值越大,说明构成图像的两部分差别越大, 当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。阅读全文>
发表于 @ 2006年05月22日 15:10:00|评论(loading...)|举报|收藏