QR code 编解码程序--汉化版

翻译  maninwest@Codeforge 作者:Dejan Mauer@CodeProject在一张图片中找到人脸可能不怎么容易。有些商业化和开源框架可以帮助开发者完成这个任务。 我要推荐的商业库是 Neurotechnology VeryLook. 也许，人脸识别的最有名的开源框架是  Intel 的 OpenCV (Open Computer Vision) ，它不只能用于识别人脸，还可以用于其他地方。但是 这是基于  C++ 的，不方便在  .NET 环境中使用。EmguCV 提供了一个 到 OenSV 的 .NET界面解决了这个问题。虽然这个框架很强大，但是使用起来不容易。在这里，我将介绍最简单的人脸识别- 使用 开源库 Accord.net,它构建在 AForge 图像库上.使用代码代码示例是从附件中的程序中提取出来的。我仅关注主要功能-使用 Accord.net库找到人脸Dim detector As HaarObjectDetector Dim cascade As New FaceHaarCascade detector = New HaarObjectDetector(cascade, 30) 首先要声明 classHaarObjectDetector. 这个类封装了找到图片中不同对象的算法。对象用所谓的级联描述，很多开源项目中都有（脸，左眼，右眼，两只眼，

WaveLab是Matlab函数的集合，作者和合作者使用这些函数来实现与小波分析相关的各种算法。部分可用技术列表：

资源描述    VisualC++数字图像处理技术详解 第一章 图像编程基础

读入Obj对象到MFC的文件,可以对对象进行旋转或者改变光照的程序. Obj object to the MFC read the file, you can rotate the object or change the lighting process.

 组织图形数据的方法： ①以基本图元为单位：简单、重复。 ②以自定义图元为单位：对“相似图形”的抽象，是提高作图效率、提升设计能力的前提。采用“块对象”存储、管理自定义图元中的若干图形对象；采用“块插入对象”存储自定义图元的插入参数。不仅改善空间、时间复杂度，更便于“块插入对象”的更新。 创建块对象的参数：①块名，②图形中已有的图形对象的子集，③基准点坐标。 块对象的核心数据的说明：块对象虽然由参数②定义，但定义之后，块对象与参数②就不存在相互影响的关系。所以块对象中，应复制参数②中的所有对象。

[background_array, model_fit_count_array, m_modes] = ...     test_background_subtraction_pixel(rgb_array,maxBGModels,init_wt_new_model,alpha) 对于某一像素位置建模，输入：某一像素位置几帧图像的rgb值，最大模型数目（3-5个），初始化模型的权重，和学习效率 输出：背景数组（1为背景，0为前景），符合模型的像素数，已及模型。

应用背景加噪声的蕾娜图，经过中值滤波处理后输出像素值矩阵，保存在txt中。从MATLAB里读出txt像素值，重置矩阵后输出处理后的雷娜图（降噪）关键技术中值滤波算法核心是取9个值（文件中是3*3窗口）计算出中值输出，需要大量的FIFO。ISE文件中已经编写好并通过综合，可以直接使用。使用时注意更改路径。

翻书效果开源源码，动态交互设计。在flash中，无需多复杂的手段，就能做出相当生动逼真的书本翻页效果。我遇到不少朋友对这种效果很是喜欢，本人刚接触flash时，也曾被这种效果折服！ 鉴于此，我收集了四种翻页范例，每种范例的制作思路均不同，手法各异，涉及了flash的各种基本技巧。而各种范例各具其明显不同的优缺点，仔细琢磨一下，你定能举一反三，创作出你的“照相册”、“记事本”、“说明书”之类的动画书本。 为了方便你达到这一目的，我不但提供了简要说明以及效果预览，同时你可下载源文件进行研究。

采用VS2010编写，添加了OPENCV来处理图片。通过VS2010中选择VC++编写相应程序，利用MFC编辑窗口，可以直接控制打开图片。来实现打开图片的功能。原程序从网上下载，经过修改，可以运行。

图像的字符分割，有列分割和行分割两种。都有案例图片进行示范！ When recognizing characters in matlab, the code of column segmentation and row segmentation characters! Pro-test is effective, column segmentation is better, row segmentation is a little bit of a problem. Hope to improve the pro-comments! Declarations: This segmentation algorithm is relatively simple, so it is suitable for the case of wide character gap and standardized character. Handwriting or characters that are too close together can go wrong!