conanlrj的专栏

      在OpenCV中文论坛上很多人问到这样的问题，如何对图像的不规则区域设置ROI，即设置敏感区域，以用来做相关的图像处理。 我将根据自己的点点经验，在此进行简单的归纳。对图像的不规则区域设置ROIOpenCV自带的函数cvSetImageROI( IplImage* image, CvRect rect )只能设置矩形的敏感区域，而实际图像处理中遇到的处理对象都是非矩形的不规

      在我们讨论IplImage之前，我们需要看另一个数据类型：CvMat,即OpenCV的矩阵类型。尽管OpenCV是用C语言实现的，但是CvMat和IplImage的关系其实就类似于C++中的类的继承关系。IplImage类继承自CvMat类。所以，我们最好先了解一下IplImage的基类CvMat类的情况，然后再看更复杂的IplImage类。而CvArr类，是CvMat类的抽象基类。正

 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 特征进行分类器训练，得到一个级联的boosted分类器。分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器，这样在前

 每个Haar特征对应看一个弱分类器，但并不是任伺一个Haar特征都能较好的描述人脸灰度分布的某一特点，如何从大量的Haar特征中挑选出最优的Haar特征并制作成分类器用于人脸检测，这是AdaBoost算法训练过程所要解决的关键问题。     Paul Viola和Michael Jones于2001年将Adaboost算法应用于人脸检测中,其基本思想是针对不同的训练集训练同一个分类器（弱分类

// m_imgFeature为黑白目标图像，白色为前景，黑色为背景// 注意此函数会修改m_imgFeature内容。若其不可更改，应另建立副本// 1. count contourCvMemStorage* storage = 0;storage = cvCreateMemStorage(0);         //开辟默认大小的空间CvSeq* contour = 0;cvFindC

最近在做人脸检测的Haartraining训练分类器，发现训练到最后误检率很低时分类器总是卡到某一层就不在继续进行，像是进入了死循环，程序代码与参数输入应该是没有任何问题的，所以我从网上找这方面的资料，最后在OpenCV的中文论坛看到一个帖，终于找到原因了。具体如下：1、问题出现在取负样本的那个函数icvGetHaarTrainingDataFromBG中; 当剩下所有的negtive样本

对于PCA，一直都是有个概念，没有实际使用过，今天终于实际使用了一把，发现PCA还是挺神奇的。     在OPENCV中使用PCA非常简单，只要几条语句就可以了。1、初始化数据      //每一行表示一个样本     CvMat* pData = cvCreateMat( 总的样本数, 每个样本的维数, CV_32FC1 );      CvMat* pMean = cvCr

光流是空间运动物体在观测成像面上的像素运动的瞬时速度。光流的研究是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。光流场（optical flow field）是指图像灰度模式的表观运动。它是一个二维矢量场，它包含的信息即是各像点的瞬时运动速度矢量信息。

<br /><br />AREA: Databases<br /><br />Rank 1:<br /><br />       SIGMOD: ACM SIGMOD Conf on Management of Data<br />       PODS: ACM SIGMOD Conf on Principles of DB Systems<br />       VLDB: Very Large Data Bases<br />       ICDE: Intl Conf on Data