工作台表面缺陷检测

本书介绍如何解决图像处理中非常常见的问题-特征检测。

基于VS2008编写的图像处理程序，MFC文档类的简单的界面，是学习图像处理入门的一个很好的参考，包含了读取bmp图像，图像增强，图像分割，图像识别，特征提取等函数，非常实用！

本程序是基于opeCV的图片浏览器，可实现windows自带图片浏览软件的功能：如图片打开，实际大小显示，适合屏幕大小显示，图片顺时针旋转，图片逆时针旋转，前一图片，后一图像，图像删除等功能。本程序基于openCV2.4.6，需要添加库文件，opencv_highgui246.lib，opencv_core246.lib，opencv_imgproc246.lib开发环境：VS2008关于openCV配置请到网上查阅相关资料，在此不再赘述。 

通过使用 cuda 的 Jpeg 2000 年执行。 -转换为 BMP-> 与您的 NVIDIA GPU JPEG2000 -命令行工具和 CUDA/c + + 库 -为有损和无损编码 -最快的开放源码 JPEG2000 编码器之一： 将编码 27 200 万像素 -RGB 图像在 4.0 秒 (有损) / (无损) 在 280GTX GPU 上的 6.2 秒

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

该代码用MATLAB实现了序列图像的配准和重建过程，具有GUI界面，可以很方便的选择配准算法和超分辨率重建的算法。代码中包含了KEREN，MACEL等等的配准算法，也包含了POCS，差值等常见的重建算法。只需导入序列图像，确定一些参数就可以得到实验结果。

在c/c++语言下有关于数字图像处理方面图像增强中值滤波的源代码，有许多个头文件。其实自己也没怎么看懂，不过觉得应该是对的吧。

光学字符识别（optical character recognition）是模式识别研究的一个热点，被广泛地应用在车牌识别、身份证号码识别、护照识别等领域。手写数字识别是光学字符识别技术的一个分支，它研究如何利用计算机自动辨认手写的阿拉伯数字。通过对手写阿拉伯数字的图像预处理和特征提取，在matlab环境下进行了利用基于最小错误率的贝叶斯分类器对手写的阿拉伯数字识别分类的实验。

图像评价（均值、清晰度、信息熵、标准差）

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，