实现了在Winform中图片的拖拽移动及缩放，用到了PictureBox控件.

鼠标滑动截图，截图后 点击winform其它位置 则将图片黏贴到相应位置

该实例实现了 截图并识别截图中的文字功能 该项目需要在安装 Microsoft Office Document Imaging 下载地址 如下: http://www.xdowns.com/soft/4/25/2009/Soft_50716.html 

基于Hog特征 SVM分类器，利用Opencv3.0进行手写数字识别的源代码及所需资源文件（训练图片、测试图片）

两张图片合成实例，可类举

AForge.NET-sample

用于c#获取多个摄像头影像！

c# jpg图片转换成 bmp格式 实例

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

        本例子集成了“MLP”,"SVM","KNN","GMM",分类器算法，可以作为进行物体分类，缺陷检测的参考案例。

通过帧差追踪小车