OpenCV立体校正

本程序利用水平集方法实现多相立体图像分割，支持多种分割公式选择。

这是一个简单的OpenCV程序示例，帮助学习者理解如何使用OpenCV读取图像。

下载包括 haarcascade_mcs_eyepair_big.xml、haarcascade_mcs_eyepair_small.xml、haarcascade_mcs_mouth.xml 和 haarcascade_mcs_nose.xml 在内的 OpenCV 2.4 版本。

自校正控制器的 Simulink 模型是那种一上手就感觉“啊这挺省事”的类型。你不用搭建复杂的数学模型，它自己能边运行边调整，适合那种系统参数老是变、情况不太确定的场景，像是工业自动化、智能系统这类的。控制器设计也比较灵活，可以用PID、模糊控制，甚至神经网络来做，系统输出一偏，它就能立马调整参数，响应也快。

OpenCV 的入门资料整理得挺全，适合刚接触图像的朋友。基础讲得比较清楚，从库的定位、特点、核心组件到具体代码示例，结构清晰，重点也抓得准。比如显示图片那段代码，简单直接，适合快速上手。另外还有对 IplImage 的字段解释，对理解底层数据结构有。虽然版本写的是 2.2，有点老了，但对理解 OpenCV 框架和思路还是蛮有参考价值的。 如果你刚开始摸索 OpenCV，尤其用 C/C++ 写图像相关项目，这份资料值得一读。嗯，还有不少扩展项目顺带提了一下，像 emguCV 和 opencvx，可以根据项目需求深挖一下。

这个存储库包含了我们在博客上分享的关于计算机视觉、深度学习和人工智能的文章代码。想要迈向人工智能专家的你，这是一个绝佳的起点。

立体视觉算法的测试，一直挺麻烦的，不是数据集不好找，就是算法不好调。立体声测试台 v0.1就比较省事，直接把多个作者的算法都打包好了，还顺手给你整合成统一接口。嗯，用起来还挺顺手，适合做算法横向对比。 图形界面的交互也还不错，点点按钮就能切换不同算法，响应也快。你要是想快速看看不同方法对某组图的效果，确实方便，不用自己一套套去跑脚本。 它内置了不少立体图像数据集，测试算法精度挺方便的。不过要注意啊，受限于 MathWorks 的文件发布政策，有些关键文件没法打包进去，有些功能会受影响。所以最好还是去它的完整版本链接下个完整版。 如果你做的是立体视觉匹配相关研究或者开发，用这个测试平台来跑 be

提供一个用于控制系统的模糊自校正PID Matlab程序。该程序性能稳定，是控制领域的常用策略，供大家参考使用。

matlab编程-视角控制校正。此示例简要展示如何控制平面图像的透视效果，通过调整四个角的视角。

提供基于 OpenCV 实现的连通域标号算法，类似于 MATLAB 中的 bwlabel。