Efficient Graph-Based Image Segmentation　代码实现

用hough变换检测直线，Hough变换于1962年由Paul Hough提出，并在美国作为专利被发表。它所实现的是一种从图像空间到参数空间的映射关系。由于具有一些明显优点和可贵性质，它引起了许多国内外学者和工程技术人员的普遍关注。例如，由于其根据局部度量来计算全面描述参数，因而对于区域边界被噪声干扰或被其他目标遮盖而引起边界发生某些间断的情况，它具有很好的容错性和鲁棒性

这是一段 基于视频跟踪的源代码，用C语言编写。主要运用的是帧间差分法，前面会运用到一些图像的预处理，数学形态学方面的处理，比如说二值化、膨胀、腐蚀等等。语言代码里有很详尽的注释，程序可以成功运行。视频格式必须是AVI.  如果想用自己的视频做测试，请命名为video.avi  即可。 希望对大家有所帮助。

此代码分别用C++和matlab写的混合高斯背景建模，自适应确定高斯分量的个数，由Z.Zivkovic开发，相关文章是Improved adaptive Gausian mixture model for background subtraction。

验证码识别系统(通用验证码识别引擎)v2.1 绿色官方版 四大类识别模式：分割识别、混合识别、整体识别、快速识别，能有效识别字符扭曲，粘连，重叠的验证码。独有的整体识别模式，图像无需分割，甚至不需 要降噪即可识别，对于干扰点，干扰线无法清除干净的图像特别有效！！新增快速识别模式，多达上千的字模也可以把识别时间控制在几十毫秒。识别验证码更准 确。 三大类分割模式：自动分割，平均分割，垂直分割，图像分割更轻松。 十大类处理滤镜：将近40种的图形处理滤镜，全部自行编写底层代码，再复杂的验证码也可以有效处理，迅速得到清爽的二值化图像。处理验证码图形更容易。 强大的字模制作和管理界面：极大节省制作字模时间，轻点鼠标即可一次性得到几十个甚至几百个字模，你唯一要做的就是输入字模对应的字符。 先进的识别加速技术：双重加速机制，有效提升验证码识别速度，达到了识别速度与准确性的平衡。 提供支持C#, VB.Net, VB, VC, Delphi, C++Builder、VFP、易语言等各种语言调用的标准DLL文件。 注：演示版无法发布识别库，需要更高级功能，请联系作者购买正版！

翻译 maninwest@Codeforge 作者:Manas Bhardwaj@CodeProject 这里是简单地演示使用HTML5实现蛇梯棋游戏。 背景 这个游戏通常需要两方进行。但是，这个实现是单击游戏，主要用于展示用到的原理和背后隐藏的潜力。 我希望能深入探索HTML 画布元素 - 也就是这个游戏的核心。  我们首先将了解一下画布元素，然后再查看它在蛇梯棋中的应用。 画布 画布是引入 HTML5 的一个新元素，正如字面意思所示，可以通过它使用java script绘制图形。它可以绘制图形、图像和动画。让设计师、动画制作者更加方便。 在某些浏览器中，画布元素不受支持，但是在  Firefox 1.5 及更高版本中，Opera 9 和更高版本中， Safari, Chrome, and Internet Explorer 9 的新版本中均受支持。 使用代码 让我们看看 是如何在游戏开发中使用的。从一个包含 元素的简单 HTML 页面开始。

手势识别程序，动态的从射像头获取图像就动态的提取图像中的手势，扣出手势，经过一些图像处理，显示出手势是什么手势

DIB设备无关位图文件，这是一种文件格式，是为了保证由某个应用程序创建的位图图形可以被其它应用程序装载或显示。 DIB的与设备无关性主要体现在以下两个方面：DIB的颜色模式与设备无关。例如，一个256色的DIB即可以在真彩色显示模式下使用，也可以在16色模式下使用。256色以下（包括256色）的DIB拥有自己的颜色表，像素的颜色独立于系统调色板。由于DIB不依赖于具体设备，因此可以用来永久性地保存图象。DIB一般是以*.BMP文件的形式保存在磁盘中的，有时也会保存在*.DIB文件中。运行在不同输出设备下的应用程序可以通过DIB来交换图象。

opencv，初学者

图像的字符分割，有列分割和行分割两种。都有案例图片进行示范！ When recognizing characters in matlab, the code of column segmentation and row segmentation characters! Pro-test is effective, column segmentation is better, row segmentation is a little bit of a problem. Hope to improve the pro-comments! Declarations: This segmentation algorithm is relatively simple, so it is suitable for the case of wide character gap and standardized character. Handwriting or characters that are too close together can go wrong!

解压后可以进行SAD匹配，SAD匹配是属于区域匹配的，可以作为入门学习使用。SAD匹配得到的视差可以作为初始视差，然后再进行进一步的匹配。