C#百度OCR-本地和网络图片识别文字-更新

摄像头录制功能

数字图像处理算法典型实例

vtk建立三维模型

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

c# 对任意网页进行截图 抓取

Relief-F 算法是由 Kononenko 在 Relief 算法基础上扩展得到的，可以用来解决多分类与回归问题。 Relief-F 特征选择算法利用特征与类别间的相关程度判别特征的敏感程度，敏感的特征能使同类样本靠近，非同类样本远离。基本思想是： 先随机从总样本集 D中获取一个样本 R， 然后在 与 R 同类样本集中和与R 异类 样 本 集 中 各 获 取 k 个近 邻 样 本， 在 特 征 集 F中如果某个特征上异类样本的距离大于同类样本，则这个特征是有利于分类的，增加其权重，重复 n 次 取所有结果的均值作为每个特征的最终权重值.

要正确运行Demo，你应该使用开启Aero效果的Vista版本

机器视觉开发平台

积木效果显示图像

        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。