【正文】 amp。OnBUTTONQuit()函數(shù)：這是退出函數(shù)，控制運行操作的退出。手圖像的預處理著重介紹了圖像二值化的處理方法和灰度化的實現(xiàn)，還介紹了幾種其他的實現(xiàn)方法；手圖像特征的提取，主要是介紹Hu矩的有關情況，對幾種矩的算法和意義進行了描述；SVM訓練模型先介紹了統(tǒng)計學習理論中的最優(yōu)化理論，并基于此理論介紹SVM的思想和方法，還單獨的講解了LibSVM的應用情況。核函數(shù)的思想是把原本應該在高維特征空間中的計算，通過核函數(shù)在輸入空間中即可完成，這樣就無須知道高維變換的顯式公式，況且高維變換公式一般是無法得到的。下面首先介紹線性最優(yōu)分類超平面的有關算法。one_I7 = tmp_21sub03*tmp_30add12*(pow(tmp_30add12,2)3*pow(tmp_21add03,2)) tmp_30sub12*tmp_21add03*(3*pow(tmp_30add12,2)pow(tmp_21add03,2))。程序中計算Hu矩的主要代碼如下：// TODO: initial mat for (int p=0。（1）平移變換：若圖像f(x,y)分別在方向上平移a，b，則平移后的新圖像f39。若把二值圖像或灰度圖像看作是二維密度分布函數(shù)，就可以把矩技術(shù)應用于圖像分析。 b=d_ut*d_wkd_uk。i++) {ul_sum+=ul_Hist_Array[i]。最小的最佳閾值t。 最大類間方差（Otsu）法這是我們要著重闡述的方法。如果僅僅依靠像素本身的屬性來決定t ，就稱為基于像素屬性的門限方法。本設計中首先把 RGB 空間的手勢圖像變換到Y(jié)CbCr 空間，然后利用 Cb 和 Cr 通道圖像進行下一步處理。眾多波長的光以不同比例混合可以形成各種各樣的顏色，但只要波長組成情況一定，那么顏色就確定了。通常，將數(shù)字圖像的平滑技術(shù)劃分為兩類：一類是全局處理，即對噪聲圖像的整體或大的塊進行校正以得到平滑的圖像，例如在變換域中使用 Wiener 濾波、最小二乘濾波等，使用這些技術(shù)需要知道信號和噪聲的統(tǒng)計模型，但對于大多數(shù)圖像而言，人們不知道或不可能用簡單的隨機過程精確的描述統(tǒng)計模型，而且這些技術(shù)計算量也相當大；另一類平滑技術(shù)是對噪聲圖像使用局部算子，當對某一像素進行平滑處理時，僅對它的局部小鄰域的一些像素加以運算，其優(yōu)點是計算效率高，而且可以多個像素并行處理，因此可實現(xiàn)實時或準實時處理。手勢由攝像頭獲取，樣本庫主要包括各種手勢分割的黑白圖像。其中手勢識別處理模塊可以再細分為：手圖像的預處理、手圖像特征的提取、支持向量機（SVM）的訓練模型三個子模塊。(4)SVM不僅可以用在二類問題，還可以很好的處理多類問題。從視頻序列中抓取一幀：OpenCV支持從攝像頭或視頻文件(AVI)中抓取圖像.從攝像頭獲取初始化: CvCapture*capture=cvCaptureFromCAM(0)。 cvMoveWindow(win1, 100, 100)。 Integrated Performance Primitives (IPP) 提供了透明接口。　　CPalette調(diào)色板?！　DC 設備文本。例如，繼承時，應用程序特定的事件由程序員的派生類來處理，不感興趣的由基類處理。//[]操作符被重載，使得我們可以像訪問數(shù)組一樣訪問vector中的元素} MFC簡介 MFC簡述MFC是一個編程框架。//使用缺省參數(shù)，在當前位置輸出　　PutHzxy(C++語言,10,10)。用引用(reference)代替指針進行參數(shù)傳遞　　在C語言中，如果一個函數(shù)需要修改用作參數(shù)的變量值的時候 ，參數(shù)應該聲明為指針類型。使用new較之使用malloc（）有以下的幾個優(yōu)點： 　　（1）new自動計算要分配類型的大小，不使用sizeof運算符，比較省事，可以避免錯誤。 C++編程技術(shù)C++是一種使用非常廣泛的計算機編程語言。概述了手勢識別及其相關技術(shù)的發(fā)展和分類，并進行了國內(nèi)外研究現(xiàn)狀分析。神經(jīng)網(wǎng)絡是一種大規(guī)模并行處理網(wǎng)絡，由許多具有非線性映射能力的神經(jīng)元組成，神經(jīng)元之間通過權(quán)相連，神經(jīng)網(wǎng)絡能實現(xiàn)復雜的非線性映射，映射關系是通過學習(或訓練)得到的，神經(jīng)網(wǎng)絡具有很高的計算速度、很強的容錯性和魯棒性，特別適合用于模式識別。一般的基于手勢識別的交互系統(tǒng)會包含有以下幾個部分：手勢檢測和跟蹤；靜態(tài)手勢識別和動態(tài)手勢識別。 現(xiàn)狀綜述 手勢識別的研究目的就是設計實現(xiàn)能夠識別人的特定的手勢，并以此來傳遞信息或控制設備的系統(tǒng)。近幾年，隨著計算機技術(shù)的迅猛發(fā)展，研究自然和諧的人機交互技術(shù)(HCI)變得異?；钴S，同時也取得了可喜的成就。而這一時代的顯著特點之一就是提供了一種新型的交互方式，即人機交互（HumanComputer Interaction）。 基于手勢識別的幻燈片控制系統(tǒng)是一個由眾多需求引導、涉及多項技術(shù)難點、學科綜合性強的課題。由于人手變形復雜，手勢具有多樣性和多義性，視覺問題本身存在各種困難，這些使得研究基于視覺的手勢識別極富挑戰(zhàn)性。其中，對于核心的手勢識別部分，從識別技術(shù)來看，以往的交互系統(tǒng)主要采用基于人工神經(jīng)網(wǎng)絡(ANN)，隱 Markov 模型(HMM)和幾何邊緣特征等方法。同時將相應的控制函數(shù)包含在一個總對話框的按鈕的定義中，實現(xiàn)可視化的控制。本章主要對系統(tǒng)的功能及性能進行測試。 C++的編程技巧和應用C++在編程中有諸多的設計技巧，可以方便使用者熟悉和掌握。//在當前位置輸出漢字　　void PutHz(int x,int y,char * str)。　　moveto(x,y)。//使用push_back添加元素　　for(int i=0。MFC提供了一個Windows應用程序開發(fā)模式，對程序的控制主要是由MFC框架完成的，而且MFC也完成了大部分的功能，預定義或?qū)崿F(xiàn)了許多事件和消息處理，等等。包括數(shù)據(jù)的顯示、用戶操作的響應（如菜單的選取、鼠標的響應）?！　Brush 刷子，填充。它不依賴于其它的外部庫——盡管也可以使用某些外部庫。 OpenCV的編程OpenCV具有十分強大的功能，主要包括：1）對圖像數(shù)據(jù)的操作，包括分配、釋放、復制、設置和轉(zhuǎn)換數(shù)據(jù)；2）對圖像和視頻的輸入輸出，指文件和攝像頭作為輸入，圖像和視頻文件作為輸出；3）具有對矩陣和微量的操作以及線性代數(shù)的算法程序，包括矩陣積、解方程、特征值以及奇異值等；4）可對動態(tài)數(shù)據(jù)結(jié)構(gòu)，如列表、隊列、集合、樹和圖等進行操作；5）具有基本的數(shù)字圖像處理能力，如進行濾波、邊緣檢測、角點檢測、采樣與差值、色彩轉(zhuǎn)換、形態(tài)操作、直方圖和圖像金字塔等操作；6）可對各種結(jié)構(gòu)進行分析，包括連接部件分、輪廓處理、距離變換、各種距的計算、模板匹配、Hough變換、多邊形逼近、直線擬合，橢圓擬合和Delaunay三角劃分等；7）對攝像頭的定標，包括發(fā)現(xiàn)與跟蹤定標模式、定標、基本矩陣估計、齊次矩陣估計和立體對應；8）對運動的分析，如對光流、運動分割和跟蹤的分析；9）對目標的識別，可采用特征法和隱馬可夫模型（HMM）法；10）具有基本的GUI功能，包括圖像與視頻顯示、鍵盤和鼠標事件處理及滾動條等；11）可對圖像進行標注，如對線、二次曲線和多邊形進行標注，還可以書寫文字；OpenCV 的主要模塊有：cv——主要的OpenCV 函數(shù)；cvaux——輔助的（實驗性的）OpenCV 函數(shù)；cxcore——數(shù)據(jù)結(jié)構(gòu)與線性代數(shù)支持；highgui——圖像界面函數(shù)。i++) for(j=0?！?（2）SVM通過最大化決策邊界的邊緣來控制模型的能力。進而需要將手勢識別模塊嵌入到幻燈片控制模塊中。手勢識別與其他的圖像識別不同。圖 41 采用灰度投影法獲取手所在準確的手區(qū)域 Accurate hand region gotten by gray projection由攝像頭獲取的手勢圖像會因各種噪聲的干擾和影響使圖像質(zhì)量下降。（2）HSI 模式這是基于人眼對色彩的觀察來定義的一種模式，在此模式中，所有的顏色都用色相或色調(diào)、飽和度、亮度三個特性來描述。Lab 模式所包含的顏色范圍最廣，能夠包含所有的 RGB 和 CMYK 模式中的顏色。圖像的二值化其實是對灰度圖像的閾值運算。另一種方案是把圖像分成若干個子區(qū)域，在各個子區(qū)域中計算其灰度直方圖。= q1(t) δ1(t)178。 ul_Hist_Array[k]++。i256。在二維的情況下，形狀可以定義為二維范圍內(nèi)一條簡單連接曲線位置和方向的函數(shù)。二階矩圖像有三個二階矩（M20， M02 M11），也稱之為慣性矩，用來確定物體的幾個重要特征，如主軸、圖像橢圓等。而高階矩主要描述圖像的細節(jié)，如扭曲度、峰態(tài)等。one_I4 = pow(tmp_30add12,2)+pow(tmp_21add03,2)。其理論和應用在橫向和縱向上都有了發(fā)展。因此，如果能夠找到一個函數(shù)K，使得K(）=Φ(xi）.Φ(xj)，這樣，在高維特征空間中實際上只需進行內(nèi)積運算，而這種內(nèi)積運算是可以用輸入空間中的某些特殊函數(shù)實現(xiàn)的。 本章小結(jié)本章是本課題的核心部分，主要講述手勢識別的各個模塊的設計和算法實現(xiàn)。具體應用中是調(diào)用的View的Previous()函數(shù)實現(xiàn)的上翻操作。amp。amp。具體應用中是調(diào)用的View的First()函數(shù)實現(xiàn)的。還會介紹到關于OpenCV窗口的前端顯示情況和本課題設計的詳細情況。 LibSVM的應用LibSVM是用C++，Java等多種語言實現(xiàn)的開源SVM軟件包，其特點是可以解決分類問題、回歸問題以及分布估計等問題，提供了線性、多項式、徑向基和Sigmoid函數(shù)四種常用的核函數(shù)供選擇，可以有效地解決多類問題、交叉驗證選擇參數(shù)、對不平衡樣本加權(quán)、多類問題的概率估計等，執(zhí)行效率較高，是常用的模式識別開源軟件包。我們的目標是找到構(gòu)造最優(yōu)分類超平面的有效方法。機器學習的目的是根據(jù)給定的訓練樣本求對某個系統(tǒng)輸入輸出之間依賴關系的估計，使它能夠?qū)ξ粗敵鲎龀霰M可能準確的預測，可以一般的表示為變量y和x之間存在一定的未知的依賴關系，即遵循某一未知的聯(lián)合概率F(x,y)，則機器學習的問題就是根據(jù)n個獨立同分布的觀測樣本{(x1,y1)，(x2,y2)，……，(xn,yn)}在一組函數(shù){f(x,w)}中求出一個最優(yōu)的函數(shù){f(x,w0)}對依賴關系進行估計，使期望風險R(w)=∫L(y,f(x,w))dF(x,y)最小。q4。(x,y)為 f39。根據(jù)唯一性定理，若連續(xù)圖像二維函數(shù)f(x,y)是分段連續(xù)的，即只要在xy平面的有限區(qū)域有非零值，則所有的各階矩均存在，且矩序列{Mpq}唯一地被f(x,y)所確定。 b=b*b/q。i++) { if (Hist_Maxul_Hist_Array[i]) { Hist_Max=ul_Hist_Array[i]。與總方差δ178。閾值運算把所有像素分成兩組，Otsu方法通過使兩組像素的組內(nèi)方差最小來確定閾值。而若將一幅圖像先劃分為若干個子圖像，以后分別確定每個子圖像的門限值，則稱為局部門限技術(shù)。灰度圖像的每個像素有一個 0(黑色)到 255(白色)之間的亮度值?！麸柡投?S)：飽和度指顏色的強度或純度，表示色相中灰色成分所占的比例，用 0%100%(純色)來表示。當然各種色彩空間只不過是顏色在計算機內(nèi)不同的表達形式而已，每一種色彩空間也都有其各自的產(chǎn)生背景、應用領域等等。另一種方法是程序與樣本采集者交互，在實驗者做好手勢后，操作者通過鍵盤和樣本采集程序交互，實現(xiàn)從實時視頻中人工選擇樣本保存。下分的三個子模塊：手勢的預處理、手勢矩特征的提取和訓練SVM模型各有分工。3 系統(tǒng)總體結(jié)構(gòu)和功能劃分本章將詳細講述系統(tǒng)的總體結(jié)構(gòu)，以及系統(tǒng)各模塊的功能。 if(!cvGrabFrame(capture)){ // 抓取一幀printf(Could not grab a frame\n\7)。if(!img) printf(Could not load image file: %s\n,fileName)。計算機視覺（puter vision）是在數(shù)字圖像處理的基礎上發(fā)展起來的新興學科，它從信息處理的層次研究視覺信息的認知過程，研究視覺信息處理的計算理論和表達與計算方法，包括圖像特征提取，攝像機定標，立體視覺，運動視覺(或稱序列圖像分析)，由圖像灰度恢復三維物體形狀的方法，物體建模與識別方法以及距離圖像分析方法等方面。最重要的不外是Open（打開）,Read（讀入）,Write（寫）。CDC與其他GDI（圖形設備接口）一起，完成文字和圖形、圖像的顯示工作。大部分類均從CObject 直接或間接派生，只有少部分類例外。Microsoft Visual C++提供了相應的工具來完成這個工作：AppWizard可以用來生成初步的框架文件（代碼和資源等）；資源編輯器用于幫助直觀地設計用戶接口；ClassWizard用來協(xié)助添加代碼到框架文件；最后，編譯，則通過類庫實現(xiàn)了應用程序特定的邏輯。使用缺省參數(shù)為程序員處理更大的復雜性和靈活性問題提供了有效的方法，所以在C++的代碼中都大量地使用了缺省參數(shù)。x)?！　∨e例如下：　?。?）int* p；　　p=new int[10]； //分配一個含有10個整數(shù)的整形數(shù)組　　delete[] p； //刪除這個數(shù)組　?。?）int* p；　　p=new int (100)；//動態(tài)分配一個整數(shù)并初始化使用inline內(nèi)聯(lián)函數(shù)替代宏調(diào)用　　對于頻繁使用的函數(shù)，C語言建議使用宏調(diào)用代替函數(shù)調(diào)用以加快代碼執(zhí)行，減少調(diào)用開銷。 C++的編程原則由于C++本身使用的廣泛性和代表性，熟悉繼而掌握這門編程語言是十分重要的。闡述了諸如手勢圖像的處理、提取、分析（圖像Hu矩的計算）；SVM技術(shù)的應用和OpenCV相關知識。該技術(shù)在動態(tài)手勢識別領域一直占有主導地位，然而由于 HMM 拓撲結(jié)構(gòu)的一般性，導致這種模型在分析手語信號時過于復雜，使得 HMM 訓練和識別計算量過大，尤其是