人眼识别

NAO机器人，利用视觉，opencv，实现服务机器人的水位识别功能。图像处理，包括灰度变换，二值化，滤波，光流法，计算像素点高度，确定水位比例等。

openCV 离散傅里叶变换，对一张图像使用傅立叶变换就是将它分解成正弦和余弦两部分。也就是将图像从空间域(spatial domain)转换到频域(frequency domain)。 这一转换的理论基础来自于以下事实：任一函数都可以表示成无数个正弦和余弦函数的和的形式。傅立叶变换就是一个用来将函数分解的工具。

基于OPENCV编写的几何图形识别。对一些人类在视觉上存在明显区别的几何图形,提出了轮廓搜索‰ 折点定位的改进算法。通过搜索出的轮廓折点,根据它的数量,以及相邻折点之间连线的相互几何关系,最后识别出图形的快速算法。本文对大量几何测试图形用该算法实验,结果证明该识别算法具有运算速度快,准确度高的特点,在图形发生拉伸旋转等变形时也能很好对图形进行识别。附带自己编写的相应测试源代码，对利用取模软件建立的图形进行识别。

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

本代码可以添加指纹，进行指纹识别，已经在库中测试。另外，本代码还给出了算法的处理过程，使读者更好的理解指纹识别的流程。

冈萨雷斯《数字图像修复》所有Matlab代码，绝对真实。

OpenCV/c + + 程序计算，然后可视化图像的猪描述符。该程序采用 HOG 描述符并通过遍历所有块和将梯度的长处为每个单元每个块添加到每个单独的单元格来计算每个单元格中的梯度幅值，然后最后平均梯度的长处。

描述（英文）：（提示：至少100个字符。请尽你所能详细描述你的项目。更好的内容将为您赢得更多积分）；

这是一种新 的基于仿射变换的数字图象置乱技术 MATLAB源程序代码，可以直接应用或者拿来改进