QR code 编解码程序--汉化版

论文源码中调用的第三方库都被编译成了静态库，vs2008可以直接运行 显示图片用了opencv2.3.1.

这是一个Matlab实现的隐马尔科夫树模型，用于计算图像的Contourlet系数。程序同时还包括图像去噪、纹理恢复的应用模型 .

基于opencv的人脸检测代码，适合初学者使用多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法

本代码全部由本人编写并测试通过，保证可以。 本代码用于将YUV420格式直接压缩成JPEG文件格式。 内部经过优化，速度很快，代码结构精简，可读性强。 源代码有比较多的文字解释，帮助理解。

载波感应是指发射机使用反馈

此代码是白平衡方法在 C# 中执行。白平衡处理图像颜色温度。图像后平衡会偏蓝或红色。用于在图像上实现，从摄像头捕捉。其 GUI 提供的所以它易于使用

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]。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

在进行图像分割的时候，将遗传算法与神经网络算法结合，并进行基于类间方差最大原则!!!

资源描述利用opencv 2.4.9和C、实现RobHess库中图像特征点的提取。改代码经过测试，可用。提取出图像的特征点，并标明图像特征点的大小和方向