这篇文章是网友“认真的钢铁侠”的心得，现在传来和大家分享
1、adaptiveskindetector网络摄像头
2、bgfg_codebook摄像装置图像读取的各方式3、bgfg_segm atgdkh处理视频
4、blobtrack图像块blob视频跟踪
5、校准成像
6、calibration_artificial基于拐角点自动校准摄像面
7、camshiftdemo颜色跟踪基于鼠标点击区域的色度光谱来跟踪视频目标
8、contours个人资料收集
9、convert_cascade
从文件中加载经过训练的级联分类器，或者从嵌入在OpenCV中的分类器数据库中导入并将其另存为文件
10、求convexhull离散点的轮廓
11、delaunay从随机点找到边delaunay三角测量结束，计算Voronoi图的细胞结构
12 ) demhist直方图对比度亮度调节
13、dft快速傅立叶分解
14、distrans距离变换不理解计算输入图像的所有非零元素相对于最近的零元素的距离
15 ) drawing绘制点、线、圆、椭圆、文字。
16、edge纹理边缘检测提取
17、facedetect人脸识别检测不包括加载经过adaboost训练的模型
2灰度呼叫cascade.detectMultiScale灰度测量第2级测量
培训部分位于c :opencv 2.1appstrain cascadetrain cascade.CPP
18、f背景计算视频(两幅图像)的光流
19、fback-c同上计算视频(两幅图像)的光流
20、ffilldemo用指定的颜色填充连接字段
21、find_obj根据surf方式的角点寻找目标，使用最近邻搜索
选择是否使用opencv库附带的plann的最近邻搜索
22、find_obj_calonder训练和预测r树使用分类树
23、find_obj_ferns也是目标为基于随机蕨丛的快速识别的关键点
24、寻找fitellipse椭圆拟合图像轮廓图形
25、grabcut鼠标键盘和画笔、图像剪辑对mfc使用opencv没有意义
26、houghlines两种霍夫变换方式提取线条
27、image图像噪声和平滑化等处理
28、用鼠标绘图
29、kalman卡尔曼滤波
30、k均值聚类分析
31、laplace彩色大碗边缘检测
32，letter_recog
训练随机树分类器、boosting监督学习分类器和mlp分类器，使用uci的符号库数据集
33、改进的lkdemo点跟踪rdxm-Kanade光流算法检测视频运动目标
34、寻找最小面积的包围圆形
35、基于morphology形态学操作蚀刻膨胀处理图像
36、不明白motempl运动分割的原理
37、mser _ sample (maximallystableextremalregions
mser ) mser法区域提取图像轮廓复杂背景下行人检测论文第59页
使用色距阈值的基于MSER方法的最大安定色域检测器(Maximally Stable Colour ) ) )。
Regions，MSCR )
38、创建mushroom演示决策分类树培训使用mushroom数据从uci数据库中
39、peopledetecthog (历史有序)
Gradients )行人或人体检测使用hog特征和svm，其中svm分类器实质上是3781维浮点组
40、polar_transforms将图像映射到极指数空间和线性极空间
41、pyramid_segmentation在金字塔中实现图像分割
42、squares寻找长方形的轮廓
43.stereo _ calib摄像机的立体校准
44、stereo_match立体匹配
45、tree_engine演示中使用不同的决策树CvDTree
dtree； 决策树CvBoost boost； 基本树
classifier监督学习树CvRTrees rtrees； 随机树CvERTrees
ertrees； 完整随机树
46、基于watershed的裂隙图像分割
39例：
Re:如何计算窗口中HOG的3780维向量
sernia？ 2009-08-16 15:45
thedetailsofourhogcomputationareillustratedas
follows:
1 ).toreducetheilluminationvarianceindifferentimages，the
gray-scalenormalizationisperformedsothatallimageshavethe
“same intensity”范围。
灰度归一化处理
2 ).the same centered [-1，0，1 ] maskisusedtocomputehorizontal
梯度px (x，y ) and vertical gradient py(x ) x，y ) of every
像素。
[-1，0，1 ]按水平梯度和垂直梯度处理
3 ).computethenormandorientationofeachpixel。
计算距离和角度
NORM(x，y )=sqrt ) px2 ) x，y ) py2 ) x，y ) )
orient(x，y )=arctan ) py ) x，y )/px ) x，y ) )
4 ).splitinputimagesintoequally-sizedcellsandgrouptheminto
bigger blocks.beforecomputingthehogfeature，the gradient
magnitudeisnormalizedwithintheblock.in dalal’spaperheuses
L2-hysnormalizationinthecomputationofhogfeature，however，
duringdiscussionheconcludesthatl2- hys，L2-norm and L1-sqrt
performedequallywell.since L2-normissimplerthanl2- hys，we
选择L2-normalization，asillustratedin(3) )。
5 ).afternormalizationtheblockisappliedwithaspatialgaussian
window with =0.5 * block _ width，as suggested by Dalal。
6 ).trilinearinterpolationisusedtoconstructthehogfeaturefor
eachcelltoobtainthelow-levelfeatureinouralgorithm。
问题，在步骤3中计算了各点的模具和角度后，接下来怎么办？ 我知道步骤4是对向量进行归一化，但是步骤5是直接移动block，那么在步骤1、2、3中计算各个点之后如何得到cell的9维向量呢？ 然后使用openCV中的default参数，发现有3780个浮点。 这个float是根据什么计算出来的呢？