基于opencv，实现螺丝防松动检测

这是基于opencv的计算机视觉技术书中的一个程序实例，本人觉得很不错，学习三维立体重建的朋友们可以看看啊 这是基于opencv的计算机视觉技术书中的一个程序实例，本人觉得很不错，学习三维立体重建的朋友们可以看看啊

针对智能视频监控告警功能进行研究，通过OpenCV、C++及相关算法来更有效地进行图像识别，达到智能捕获可疑异常情况及告警功能。该系统包括图像采集模块，图像预处理模块，运动检测模块，人脸检测，人脸识别模块，短信模块等。通过对以上模块的研究与实验，达到了设计要求。

基于opencv的手势识别，可以在一个窗口上显示手势和识别到底是哪个手势。 用C语言实现的。 基于opencv的手势识别，可以在一个窗口上显示手势和识别到底是哪个手势。 用C语言实现的。

基于OpenCV的视频道路车道检测

基于opencv，vc2015+MFC制作的播放视频的例子程序。功能包括，打开视频、播放、暂停、快进、拖动进度条、前一帧、后一帧。 同时，还包含opencv编译好的库文件，将其放到e盘就可以，直接编译通过。节省大家时间。（如果放到其它路径需要自己设置一下工程属性） 价钱小贵，但绝对简单好用。为初学者节省大量时间，绝对值得。 程序中还有录制摄像头视频的代码，原来也是好用的，但是项目不需要，相关菜单被去掉了，但是代码还留着。也是好用的，可以参考。如果只想研究视频播放，从界面资源的各个按钮的响应函数查看如何实现就行。

基本思路： 微分方程求解，**用邻近的像素替换那些坏标记，使其看起来像是邻居** 。 假设图像里的一个区域要修复。算法从这个区域的边界开始，逐渐地进入区域，把边界内的所有东西填充上。它取要修复的部分周围的一个像素周围的一小片邻居。这个像素被周围已知的像素的标准加权和替换掉。选择权重是很重要的。要修复的点周围像素的权重较高。和正常边界近的，还有在边界轮廓上的像素的权重较高。当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。 $OpenCV$提供了两种算法。两者都可以通过相同的函数访问，$cv2.inpaint（）$。 第一种算法基于$Alexandru Telea$于2004年发表的“基于快速行进方法的图像修复技术”。它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，然后进入区域内，逐渐填充边界中的所有内容。它需要在邻近的像素周围的一个小邻域进行修复。该像素由邻居中所有已知像素的归一化加权和代替。选择权重是一个重要的问题。对于靠近该点的那些像素，靠近边界的法线和位

本人毕业设计，基于OpenCV和Python语言的人脸识别，里面包含代码，适合毕业设计，代码简洁，易于修改移植，可以做普通的人脸识别，如有需要，可供参考

基于OpenCV 3, LBPH 人脸识别 Python代码,已附加所有代码及文件

我们这里想要实现的图像拼接，既不是如题图1 和2 这样的“图片艺术拼接”，也不是如图3 这样的“显示拼接”，而是实现类似“BaiDU 全景”这样的全部的或者部分的实际场景的重新回放。 对于图像拼接的流程有很多定义方式，本教程中主要介绍实现主流方法，总结梳理如下：图像采集->投影变换->特征点匹配->拼接对准->融合->反投影