使用 opencv 的人脸检测

使用Tesseract for Metadata Extraction为扫描的文档图像提取以下内容

UYTFGYKRTFUY7FTYUJ7型RTFJH.gkvuttyutfgyfyjufgyujf文件YJHFVYF GCFRUYYUVTRUYRTYRTCWU FYFYFYRFUYRYRYYUR ；RYURFYUFRUY6RFRUY UYRFUYRYURF

1． JPEG编码可以用一句话概括：添加符号（游程长度、占用位数等）用霍夫曼编码，幅度值用修改的二进制正常编码。2． 包括两个主程序，分别执行JPEG编解码、给出相关参数结果。Jpeg没有对整体系数进行位移，而Jpeg2则在编码前，将整个数据减去128，这样可能可以提高性能。但是对这幅图像而言，Jpeg2性能比Jpeg稍有下降。

C#数字图像处理算法典型案例(源代码) gray c#图形图像处理  基础 灰度处理

在此代码中成长在大脑中的肿瘤部分被分段。它处理与 dicom 图像和有一套 40 dicom 图像加载到一个接一个的代码和分割完成。首先由通过添加一些对比度和亮度提升形象完成一些调整。然后图像转换为二进制图像后，不同强度被分配到图像的不同部分。然后基于位置和强度，它分段的肿瘤部分。

应用背景金字塔分割算法由cvPrySegmentation所实现，该函数的使用很简单；需要注意的是图像的尺寸以及金字塔的层数，图像的宽度和高度必须能被2整除，能够被2整除的次数决定了金字塔的最大层数。关键技术函数 cvPyrSegmentation 实现了金字塔方法的图像分割。金字塔建立到 level 指定的最大层数。如果 p(c(a),c(b))

在用稀疏表示做图像去噪、去模糊、恢复、修复时通常需要用到表示系数的求解，而OMP是最常用的经典解法之一。

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

P0301：数字图像矩阵数据的显示及其傅立叶变换P0302：二维离散余弦变换的图像压缩P0303：采用灰度变换的方法增强图像的对比度P0304：直方图均匀化P0305：模拟图像受高斯白噪声和椒盐噪声的影响P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波P0308：图像的自适应魏纳滤波P0309：运用5种不同的梯度增强法进行图像锐化P0310：图像的高通滤波和掩模处理P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 

这是一个测试代码，使用matlab的gui界面，它有很多问题需要解决，如果有人需要它，并且喜欢纠正它，不要犹豫。我的电子邮件是a517614879@163.com