人脸五官定位检测

验证码识别系统(通用验证码识别引擎)v2.1 绿色官方版 四大类识别模式：分割识别、混合识别、整体识别、快速识别，能有效识别字符扭曲，粘连，重叠的验证码。独有的整体识别模式，图像无需分割，甚至不需 要降噪即可识别，对于干扰点，干扰线无法清除干净的图像特别有效！！新增快速识别模式，多达上千的字模也可以把识别时间控制在几十毫秒。识别验证码更准 确。 三大类分割模式：自动分割，平均分割，垂直分割，图像分割更轻松。 十大类处理滤镜：将近40种的图形处理滤镜，全部自行编写底层代码，再复杂的验证码也可以有效处理，迅速得到清爽的二值化图像。处理验证码图形更容易。 强大的字模制作和管理界面：极大节省制作字模时间，轻点鼠标即可一次性得到几十个甚至几百个字模，你唯一要做的就是输入字模对应的字符。 先进的识别加速技术：双重加速机制，有效提升验证码识别速度，达到了识别速度与准确性的平衡。 提供支持C#, VB.Net, VB, VC, Delphi, C++Builder、VFP、易语言等各种语言调用的标准DLL文件。 注：演示版无法发布识别库，需要更高级功能，请联系作者购买正版！

摄像头驱动

这是一个从一张图像中恢复三维形状的shape from shading方法。我从csdn中将其下载下来的，希望对大家有用。shape from shading（SFS）的matlab代码，修改图片路径，可直接运行。这段代码用的就是Tsai文章中的方法，

基于mfc的数字验证码识别程序，读取灰度图像，去噪，二值化，归一化，bp，

一种新的方法进行分类的各种恶性肿瘤中使用宫颈细胞图像的纹理属性的宫颈细胞图像

资源描述VerilogVerilog颜色插值算法，做毕业设计的可以参考参考

包括均值滤波，中值滤波，低通滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

有时候我们需要对一批图片进行同一个或同一组相同的操作，虽然手工也能完成，但毕竟太耗时耗力。python脚本提供了一个强大的工具，通过几行简短的代码便可以将人工需要几个小时甚至更久的工作交给计算机完成，而你便可以做其他事情了。这个文件时一个例子，将一个文件夹中的所有某种格式的图片转换成另外一种图片。

此程序保持同行全方位的全景图像。它要求展开之前确定的全方位图像和它的半径的中心。这个程序使用快速的相位展开方法，变换的全方位图像从极坐标系统对笛卡尔坐标系统。RANSAC 用于估计全向图像的中心。