/* 功能：读入图像文件，做图像反转，然后显示图像在屏幕上*/#include "stdafx.h"#include #include #include #include #include int main(int argc, char *argv[]){IplImage* img = 0; int height,width,step,channel

摘要 codebook的建模效果比平均背景法好很多，建模过程中可以适应运动。CodeBook算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏，缺点是需要消耗大量的内存。学习OpenCV OpenCV Learning OpenCV OpenCV codebook 原理 背景建模 背景模型目录[-]导读基本原理参考代码

//http://blog.csdn.net/moc062066//chinamochen@gmail.com//2014年5月24日//#include#include#include#includeusing namespace std ;int main(int argc, char *argv[]){ // Load a color image, and c

“分水岭的计算过程是一个迭代标注过程。分水岭比较经典的计算方法是L. Vincent提出的。在该算法中，分水岭计算分两个步骤，一个是排序过程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。分水岭变换得到的是输入图像的集水盆图像，集水盆之间的边界点，即为分水岭。显然，分水岭表示

看到好的文章总是忍不住就收藏了，

zh光流分为稀疏光流和稠密光流，稠密光流的每个像素与速度或者可以说是与位移相关，使用稠密光流得以跟踪运动的方法有Horn-Shrunk方法，还有块匹配方法，但是现在已经很少使用到了，这里不做介绍，稠密光流需要使用某种插值方法在比较容易跟踪的像素之间进行插值以解决那些运动不明确的像素，因此可想而知，计算量是相当大的。而对于稀疏光流来说，在他计算时需要在被跟踪之前指定一组点（角点）

http://www.cnblogs.com/tornadomeet/archive/2012/03/15/2398769.html

写的通俗易懂且思路比较清晰，特此转载

http://blog.csdn.net/augusdi/article/details/11630397

#include "cv.h"#include "highgui.h"#include #include #include #include // various tracking parameters (in seconds)const double MHI_DURATION = 0.5;const double MAX_TIME_DELTA = 0.5;

实验了没问题，但是自己还是对算法没搞清楚，先转过来了。平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。背景建模方法网站：http://underthehood.blog.51cto.com/2531780/484191（good）http://www.cnblogs.com/

转自灰度直方图是数字图像中最简单且有用的工具，这一篇主要总结OpenCV中直方图CvHistogram的结构和应用。灰度直方图的定义灰度直方图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表示图像中该灰度级出现的个数（频率）。一维直方图的结构表示为高维直方图可以理解为图像在每个维度上

http://blog.csdn.net/zcube/article/details/7348113

#include#include#include#includeint main( int argc , char* argv[]){IplImage* src = cvLoadImage ( "F:\\bb1.jpg");IplImage* src_float = cvCreateImage ( cvGetSize( src) , IPL_DEPTH_32F , 3)

#include#include#include#includeint main(){IplImage* src = cvCreateImage ( cvSize ( 11 , 10) ,8 , 1 );//create a array include 11 rows and 10 cols;IplImage* dst = cvCreateImage ( cvGetSi

转载地址 http://blog.csdn.net/augusdi/article/details/9000893提取轮廓在OpenCV里有一个函数 cvFindContours ：[cpp] view plaincopyint cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,in

文章转自http://blog.sina.com.cn/s/blog_8fc98fe501010vse.html对图像二值化函数cvThreshold的理解Threshold对数组元素进行固定阈值操作void cvThreshold( const CvArr* src, CvArr* dst, double threshold, double max_value

本文转自http://blog.sina.com.cn/s/blog_6df50e1a01019z95.html受益匪浅

函数 cvHoughLines2 实现了用于线段检测的不合 Hough 变换办法. Example. 用 Hough transform 检测线段cvHoughLines2申明：　　此函数是opencv图像变换函数中的一个，首要用来接见霍夫变换的两个算法———标准霍夫变换（SHT）和累计概率霍夫变换（PPHT）。函数原型：　　 CvSeq

本章开始学习新的内容，如何从图像中将目标或部分目标分割出来，也希望将感兴趣的目标区域分割出来，比如将一个人的脸或手分割出来。背景减除（差分）是最基本的图像处理操作，处理方法是建立背景模型，然后将背景模型和当前的图像进行比较，减去这些已知的背景信息，则剩下的目标物大致就是所求的前景目标了，但是该方法受累于一个不常成立的假设：所有像素点都是独立的。本例程考察图像中的像素点在一段时间内如何变化，从视频中

几何变换几何变换可以看成图像中物体（或像素）空间位置改变，或者说是像素的移动。几何运算需要空间变换和灰度级差值两个步骤的算法，像素通过变换映射到新的坐标位置，新的位置可能是在几个像素之间，即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值，就是令输出像素的灰度值等于映射最近的位置像素，该方法可能会产生锯齿。这种方法也叫零阶插值

本文部分neir透视变换（单应性？）能提供更大的灵活性，但是一个透视投影并不是线性变换，因此所采用的映射矩阵是3*3，且控点变为4个，其他方面与仿射变换完全类似，下面的例程是针对密集变换，稀疏图像变换则采用cvPerspectiveTransform函数来处理。-------------------------------------------------------