光学字符识别

本算法是多年图像处理的工作总结   很实用  直方图均衡化  噪声的消除  是图像更清晰，图像取样后，样本的灰度值是一个模拟量，在用计算机对其显示和处理之 前，必须进行量化处理，而量化的过程实质上是多对一的不可逆的对应过程。 这样不可避免的引入了量化误差，解决这个问题的方法之一就是对图像按灰度 分布密度进行非均匀采样。

此项目使用在图像处理时我们提取特征的特征。使用 2d 或 1 d、 音乐和此代码的结果是数字图像中的傅里叶代码

利用参考图像和 ip 摄像机输入的 3D 对象检测。比较不同形状的目标检测与摄像头输入 ref_image。

将文件夹中的DICOM图像转换为用于成像算法的结构化阵列

应用背景vs2010+opencv2.4.8,人脸识别，ORL人脸数据库，里面有两个代码，LBP.cpp利用LBP方法先训练图像得到分类器（xml）然后测试待测样本。LBPload.cpp则直接可以用LBP.CPP生成好的分类器测试待测图片，比LBP.cpp快很多。关键技术用的是LBP算法，也可以换成pca和fish算法，只是LBP更快而且占得内存也小一些，里面也有测试时间。为了方便，我直接确定的测得是第13个人，可以修改的。里面的data文件夹里面的at.txt和待测图片路径记得按照你们的情况修改。

FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

自适应立体匹配算法  是当前有效的处理立体匹配的算法  能到较好的视差图

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

用VC++做图像图形处理用到均值法把有噪声的图像处理清楚