基于BP神经网络的人脸识别(java源码)

wpf各种统计图展示（直方图，饼图，折线图）

编程实现灰度图像的几种常用的边缘检测算法，包括：梯度边缘检测算法、Roberts边缘检测算法、Sobel边缘检测算法、拉普拉斯边缘检测算法、canny边缘检测算法、Prewitt边缘检测算法和Krisch边缘检测算法。

c# bmp图片转换成 wmf格式 实例

批量图片格式转换

基于mfc对话框开发的图片位深度转换器，源码部分截图如下。 CImage img;    img.Load("D:\qrcode.png");    img.Save("D:\qrcode.bmp");    CxImage ximage;    ximage.Load("D:\qrcode.bmp", CXIMAGE_FORMAT_BMP);    ximage.AlphaStrip();    ximage.Save("D:\11.bmp", CXIMAGE_FORMAT_BMP);

GDI实例3，绘制圆形、矩形等图形

【实例简介】基于模板匹配的数字图片识别，使用opencv3进行图像处理

【实例简介】

编译好的tesseract 4.0库 for VS2015 (含lib、dll和头文件)，另附一个tessreact 4.0进行图片识别的示例程序，并给出运行具体配置方法！

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢