基本的光学字符识别

这个是我在网上下载的图像处理程序。里面有一些图像处理的基本算法，如边缘检测中值滤波，是Opencv结合MFC 很适合初学者使用。

图像处理中的harris角点检测程序，可以实现对角点的检测，在图像处理中得到了广泛的应用。

matlab练习程序（多边形顶点凹凸性）生成简单多边形后，有时还需要对多边形各顶点的凹凸性做判断。先计算待处理点与相邻点的两个向量，再计算两向量的叉乘，根据求得结果的正负可以判断凹凸性。结果为负则为凹顶点，为正则为凸顶点。凹顶点用o表示，凸顶点用*表示。

DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕 DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕DirectShow  监测视频图像显示  监测usb摄像头  输出到屏幕

组态软件开源代码，完整代码，可运行。

这是一个关于图像匹配的代码，有sift，surf的 特征检测 ， 特征提取等，有它们的具体实现算法，很值得研究，也比较适合初学者

传统的图像处理知识，采用vc6.0编写，非常好，包含各个步骤，边缘化，增强，去噪声，等等。大家可以先看看理论知识，再来学习，适合图像处理知识的初学者！

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。

图像增强是图像处理的一个重要分支，它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息，以改善图像的视觉效果，将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声，而小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。