ocr手写数字识别

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

为了计算出地形点(Xi, Yj)上的高程值,一般需要首先从DEM地形数据中搜索到其所属的栅格,然后利用栅格交点处的高程值和二次线性插值函数来计算得到其高程值。但是这种方法每次都必须从海量的DEM地形数据中搜索出一个特定的栅格,而目前搜索算法的最优时间复杂度不会低于log(n)。为了充分利用计算机的移位计算的特点,文中采用2i倍的放大或者缩小DEM地形数据栅格的方法。这种方法省略了栅格搜索过程,从而大大提高了计算性能。其原理如图4所示:缩放显示图像时,栅格数减少一倍,需要合并四个相邻栅格。其中的虚斜线表示原来的栅格和等高线,黑粗线表示由新栅格计算得到的等高线。

人脸检测系统，待扶正人脸库，待扶正人脸系统，C++写的

matlab练习程序（多圆交点）最近总是对计算几何方面的程序比较感兴趣。多圆求交点，要先对圆两两求交点。有交点的圆分为相切圆和相交圆。相切圆求法：1.根据两圆心求直线2.求公共弦直线方程3.求两直线交点即两圆切点。相交圆求法：1.求公共弦方程直线。2.公共弦直线方程和其中一个圆方程联立求解即可。公共弦直线方程就是两圆方程的差。 

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

给定两幅图像，计算两幅图像间的差异，包括均值和方差的差异。

指纹识别包括指纹预处理，指纹特征提取，指纹特征匹配，每一步骤的都有相应的算法。本源码包提供的是指纹预处理部分的指纹细化部分的代码

该源码是基于改进的non-local means 算法对图形进行去噪处理，比一般传统的方法效果要好

应用背景用C++在VC6.0平台下绘出了一个正方形，并且加入了控制部分，可以对该立方体进行控制，想了解C++图形控制的可以参考关键技术关键技术包括计算机图形学，C++程序编译，以及面向对象的程序编程，有一定的编程经验。

matlab练习程序（弧形、圆柱投影的复原） 前一段介绍了从矩形图像到圆柱的正向投影，看这里和这里。今天介绍如何从已经投影的图像反映射到原图像上。本来此种变换一定是需要数学公式的，不过这里只是用了一个很简单的方式来完成反映射。具体就把每一列有像素数据的长度拉伸到原图像的高就行了。