原创 光流法與opencv實現
轉自:http://blog.csdn.net/crzy_sparrow/article/details/7407604 本文目錄: 一.基於特徵點的目標跟蹤的一般方法 二.光流法 三.ope
原创 STL容器中元素的刪除erase()、remove()
1.引言 以下代碼有什麼問題,如何修改? [cpp] view plaincopy #include<iostream> #include<vector> using namespace std
原创 VS2008中 .h頭文件出現“fatal error RC1004: unexpected end of file found”問題
問題描述:VS2008中編譯是在.h頭文件出現“fatal error RC1004: unexpected end of file found”錯誤,提示指向最後一行#endif 問題原因:頭文件最後一行需要一個回車,可能是因爲通過拷
原创 數字圖像處理的就業前景與學習資源
最近版上有不少人在討論圖像處理的就業方向,似乎大部分都持悲觀的態度。我想結合我今年找工作的經驗談談我的看法。就我看來,個人覺得圖像處理的就業還是不錯的。首先可以把圖像看成二維、三維或者更高維的信號,從這個意義上來說,圖像處理是整個信號處理
原创 我的生活不再茫然
與其揮霍青春,不如提高自己的思維認識和鑄造自己的堅強意志 1、意志堅決、方向正確、策略得當,並且不顧一切,沒有什麼事情幹不成。 2、每一個成功的背後都有很多辛酸,成功的背後也總有很多故事。 3、牛人總是能做出一些讓人感慨的事情來。
原创 學習OpenCV——Laplacian圖像融合
網上看到一個很有意思的利用opencv實現圖像融合的方法: 1.設計一個mask(一半全1,一半全0),並計算level層的gaussion_mask[i]; 2.計算兩幅圖像每一層的Laplacian[i],並與gaussion_
原创 學習OpenCV——HOG+SVM
[cpp] view plaincopyprint? #include "cv.h" #include "highgui.h" #include "stdafx.h" #include <ml.h> #i
原创 學習OpenCV——一次顏色聚類
1.首先區分三個通道,畫出每個通道的直方圖; 2.平滑直方圖,像素值等於前後共七種顏色數量的平均值; 3.取波峯,波谷。(條件:顏色數亮s(i-2)<s(i-1)<s(i)>s(i+1)>s(i+2)或s(i-2)>s(i-1)>s
原创 VS2008+MFC+opencv 顯示視頻圖像/捕捉攝像頭視頻界面
轉載:http://blog.csdn.net/chenyusiyuan/article/details/4744097 原始版本下載頁面(僅顯示圖像): http://download.csdn.net/source/17791
原创 學習OpenCV——Max_Area尋找最大區域
[cpp] view plaincopyprint? a. 二值化 b. 得到輪廓的個數 c. 將面積小於100的輪廓刪除 d. 將寬、高 比例小於1的輪廓刪除 e. 把面積最大的輪廓用紅色框框畫出來
原创 學習OpenCV——Gabor函數的應用
原文:http://blog.csdn.net/yao_zhuang/article/details/2532279 下載cvgabor.cpp和cvgabor.h到你的C/C++工程目錄下 注:在我的資源中有改進過的cvga
原创 調試報錯:其原因可能是堆被損壞,這說明**.exe中或它加載的任何DLL中有Bug
[轉]寫了個程序,在DLL中用malloc分配了一塊內存,但是在exe程序中釋放,結果程序crash,原因就是:其原因可能是堆被損壞,這也說明 TestMySticker.exe 中或它所加載的任何 DLL 中有 bug。想了半天以爲是自
原创 學習OpenCV——PCA主成分分析
機器學習方面的降維講解(PCA原理,奇異值分解):http://blog.csdn.net/abcjennifer/article/details/8002329 在圖形識別方面,主成分分析(Principal Comonent
原创 Opencv函數總結
用到的一些函數,今後方便查詢。(本文將不斷更新) cvPyrDown函數:縮放圖像爲源圖像的一半 void cvPyrDown(const CvArr*src,CvArr*dst,int filter=CV_GAUSSIAN_
原创 人體行爲識別的幾個入門文章和網址
本人總結的做計算機視覺中人體行爲識別的入門文章和實驗: 文章1:Dollár,P., et al. Behavior recognition via sparse spatio-temporal features. Visual S