图像处理中的边缘检测

使用说明：第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中该系统的识别率一般为90%另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图转为灰度图”“灰度图二值化”“去噪”“倾斜校正”“分割”“标准化尺寸”“紧缩重排”另外注意，要识别的图片，要与win.dat、whi.dat位于同一目录。此两文件保存训练后网络的权值参数

目的： 若要编写一个程序，直方图绘制的图像。 理论： 图像的直方图是情节的灰度级出现数量 反对的灰度值的图像。直方图提供了便利的表达方式 在一个图像，但它的强度是无法传达任何有关空间关系信息 之间像素为单位）。直方图提供了更好地了解有关图像的对比度和亮度。 将朝着低灰度级别的值而聚集暗图像的直方图 明亮的影像将朝着更高的灰度级聚集。同样的一种低的直方图 对比度图像不会被同样传播和高对比度图像直方图会有 平等的信息传播中的灰色的级别值。 数字图像的灰度级在 [0，L 1] 范围内的直方图是离散 函数 h (r k) = n k，哪里是 k 是第 k 个灰度级别和 n k 是图像中的像素的数目 具有灰度级 r k。直方图被规范化除以每个其值的总数 n 图像中的像素，由表示 n.Thus，归一化的直方图鉴于由 P (r k) = 为 nk k=0,1.L-1。P (r k) 给出灰度级 r k 的发生概率的估计的值。

K均值图像分割，读入彩色图片，输出区域分割后的图片-K-means image segmentation, read full-color photographs, the output image after the region segmentation

应用背景ossimPlanet is an accurate 3D global geo-spatial viewer that is build on top of the OSSIM, OpenSceneGraph, and Trolltech QT open source software libraries. It provides native geo-spatial access to a wide range of commercial and government data formats with high the high performance visualization and collaboration capabilities. ossimPlanet is one of the key components of the Large Data Joint Capabilities and Technology Development project. This document describes the installation and use of ossimPlanet.关键技术ossimPlanet provides accurate 3D global visualization and collaboration. Instances of ossimPlanet can be synchronized for distributed collaboration. Native file access, on the fly elevation tree topography, and online access to OGC WMS and Worldwind sites is provided.

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

通过使用此代码，您可以生成自己的边缘检测不使用matlab工具箱。

应用背景蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。关键技术蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

      本程序主要是实现用单片机根据温度传感器控制串口摄像头的图像采集和压缩处理，并将采集的图像通过彩信的方式发到用户手机的报警功能。报警的同时也能及时让用户了解到监控范围里的现场状况，从而更有效的减少用户损失。它是一项集多种技术，多门学科综合，涉及通用分组无线服务技术、电子技术、传感器技术的项目。实现了可视化预警。

基于双目视觉的opencv图像处理，实现了基于机械手的双目标定，可以进行单目或者双目的标定，进行双目的匹配以及特征提取，功能齐全，但是被程序参考了前辈们的部分代码，比较适合最初的开发者

文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比文件对比