机器学习

图像平滑处理，主要是平滑算法，对于初学opencv实现的人来说是个很不错的例子。

全部用MATLAB编程完成，里面有三幅测试图片，分别针对旋转、尺度大小不一进行图像匹配。

如何处理OCR，DCR图像识别-在D3或D4编译的例子。

资源描述采用颜色直方图作为特征的粒子滤波算法和卡尔曼滤波算法

opencv2打开双摄像头，解决了opencv2在Linux下不能打开摄像头的原理，在Linux下，考虑大带宽的原理，在640*480分辨率下， Linux的带宽是不能支持两个摄像头i的，因此只能采用分辨率比较低的320*240模式，才能打开双摄像头。

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！

canny边缘检测算法，基于梯度幅度直方图和类内方差最小化自适应的确定高低阈值的方法，可针对不同的图像，实现双闽值的自适应提取，不需要人为设定任何参数，采用模糊控制技术提取边缘像素。

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability

生成具有真实感的图形，在给定视点和视线方向后，决定场景中哪些物体的表面是可见的，哪些是被遮挡不可见的，在成运行结果中，可以旋转物体观察效果