基于OPENCV的直方图均衡处理彩色图像光照不均匀

在圆迹SAR成像模型中，一般采用后向投影算法（BackProjectionAlgorithm，BPA）实现。
本文采用C++语言建立了圆迹SAR的回波模型，然后采用BP算法仿真出了点目标。
（运行该程序需要配置opencv，对opencv的配置可参考http://blog.csdn.net/destiny0321/article/details/54138434中的部分内容）

利用opengl实现瘦脸等脸部微调，VS2019的c++工程，环境都在里面，可以直接运行看效果。
特征点利用dlib识别出来的。

利用形心计算公式，通过像素值遍历，求出形心

基于OPencv的相机操作代码，包含了MFC界面程序！

树莓派利用python、opencv、PyALPR识别车牌，目前仅限于识别欧洲车辆，国内车牌可自行训练。

实现效果：http://v.youku.com/v_show/id_XMTU2Mzk0NjU3Ng==.html如何在你的电脑上运行这个程序？1，它需要cvblobslib这一个opencv的扩展库来实现检测物体与给物体画框的功能，具体安装信息请见：http://dsynflo.blogspot.com/2010/02/cvblobskib-with-opencv-installation.html，当你配置好cvblobslib之后，你可以用这一的程序进行测试：http://dl.dropbox.com/u/110310945/Blobs%20test.rar2，视频中两个摄像头之间的距离是6cm，你可以根据你摄像头的型号，来选择合适的距离来达到最好的效果。
3，在进行测距之前，首先需要对摄像头进行标定，那么如何标定呢？在stdafx.h中把"#defineCALIBRATION0"改成“#defineCALIBRATION1”表示进行标定，标定之后，你就可以在工程目录下的"CalibFile"文件夹中得到标定信息的文件。
如果标定效果还不错，你就可以吧"#defineCALIBRATION"改成0，以后就不需要再标定，直接使用上一次的标定信息。
你还需要把"#defineANALYSIS_MODE1"这行代码放到stdafx.h中。
4，视频中使用的是10*7的棋牌格，共摄录40帧来计算摄像头的各种参数，如果你像使用其他棋盘格，可以在"StereoFunctions.cpp"文件中修改相应参数。
5，如果你无法打开摄像头，可以在"StereoGrabber.cpp"文件中修改代码“cvCaptureFromCAM(index)”中index的值。
6，Aboutcomputingdistance:itinterpolatestherelationshipbetweendepth-valueandreal-distancetothirddegreepolynomial.Soiusedexcelfile"interpolation"forinterpolationtofindk1tok4,youshouldfindyourownvalueoftheseparameters.7，你可以通过调整控制窗口中各个参数的滑块，从而来得到更好的视差图。
8，在目录下的”distance“文件夹中，有计算距离信息的matlab代码。
9，如果你想了解基本的理论，可以看一下这个文档和代码（视频里的代码其实就是根据这个代码改的）：http://scholar.lib.vt.edu/theses/available/etd-12232009-222118/unrestricted/Short_NJ_T_2009.pdf视频中环境：vs2008，opencv2.1

《深入理解OpenCV：实用计算机视觉项目解析》系统地介绍如何使用OpenCV来构建与计算机视觉相关的应用，如增强现实、车牌识别、人脸检测等。
每章都会介绍一个典型的计算机视觉应用问题，并并提供相关的背景介绍及全部源代码，为快速解决实际计算机视觉项目遇到的问题提供系统实用指南。

包含正样本图片18578张，图片大小为20*20，负样本图片10925张，图片大小为50*50

一个应用于公交、汽车、车站商场的人头检测程序，检测出人头进出数量。
输入一幅图片，通过计算指定入口区域的HIST结果，判断是否有人进入。
可同时检测2人进入或出去。
一种基于随机Hough变换(RHT)的人头检测方法。
根据人头部轮廓近圆的特征,采用Canny算子提取图像边缘,得到目标轮廓。
利用RHT算法对独立的曲线进行圆检测,并对人头进行标识。
实验结果表明,与现有方法相比,该方法的识别率较高、速度较快、适用范围较广。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。