工作台表面缺陷检测

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享

这是一种算法来检测新的样本可能是新的，不属于任何一我们已有的类。它 转移数据到空的空间并且如果功能数量不够大时，使用内核。

A New TwIST: Two-Step Iterative Shrinkage Thresholding Algorithms for Image Restoration， 一种先进的图像去模糊算法，实用性很好，对初学者是很好的参考。

ATmega16 单片机驱动240X120的屏幕，液晶屏分为4 行*15列汉字使用间接操作方式，做的农历显示界面，可以参考内容和移值，

分辨率

基于OpenCV的方向选择滤波，其中的高斯滤波的核存放在文件中。Windows平台开发，角度Theta的选择通过15 个邻域的梯度求解。

对于图像饱和度问题进行适当调整，采用了HSV->RGB转换的方法，OpenCV+VC6.0，该方法自动生成dll，并且附有调用函数。 saturation.cpp生成饱和度调整dll baohedu.cpp调用dll saturation.h头文件 学习交流用， 亲测能运行。                                      &n

为绿色版本，为了提取图片上的正交坐标；通过添加图像的四个角的坐标，对图像做矫正，矫正好之后，可以提取图像上的横纵坐标，易于学习方便。

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

三个控制点的b样条曲线，会输出插值数，每隔一个点，会在曲线上标出。显示用opengl。