hiddenbits

这是对于在所撰写用matlab光学字符识别。这代码的一个例子。光学字符识别（OCR）的目标是光学图案分类（通常含有在数字图像）相对应的字母数字或其他字符。 OCR的过程包括几个步骤，包括分割，特征提取和分类。每这些步骤本身就是一个场，并简要介绍了这里的Matlab的背景下实现OCR的。

在本文中，我们目前 DCT （离散余弦变换） 块应用级图像压缩 JPEG （联合摄影专家组） 算法的有效性。结果表明该算法是在压缩的情况下最有效的因为它有非常良好的压实性能与能源相关的值。作为一项基本原则，我们消除高频率，并保持低和介质不会明显影响形象。JPEG 压缩算法中的 DCT 是人脸检测、 皮肤颜色、 面部识别、 虹膜、 指纹等实际应用中遇到的。为了实现 DCT 算法，我们采用微软 Visual Studio 2013 程序和一组不同大小的图像。我们开始加载图像并将它们应用到我们所实现的算法。我们的节目使我们有可能要应用 DCT 算法后查看图像。由于这项工作我们有原始图像 （离散余弦逆变换算法所生成的图像应用后的第一阶段），由小多系数原来的相比。

opencv MFC摄像机标定。利用张正友棋盘标定法，计算出畸变参数，进行纠偏处理等功能。适用于单目相机标定，适合初学者学习使用。

资源描述这是必要的混合的片段的图片（混合随机顺序），然后将其放置在他们的地方。要做到这一点，按鼠标左键并按住它，拖动它的位置的片段。当你发布的“源”和“目标”的片段进行交换。经过适当的比对的片段将是奖图片。

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置的好的估计。

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

本代码是利用图割技术最大流最小割算法来优化能量函数，从而达到图像分割的目的

好用的pso c程序。解决binary pso问题 。c代码效率高，省去自己编程。详细说明详见论文

可以调整图像色阶、锐度、反色、灰底均衡，还可以对图像进行反转、平移、旋转等操作