数字图像形状匹配

Markov 随机场  图像分割ICM算法步骤1.设定图像的分类数K、势函数B以及算法迭代次数IterMax2.使用K-均值算法计算初始分割结果3.估计特征场参数4.计算特征场能量 5.计算标记场能量6.根据能量最原则，估计新的分割结果7.判断终止条件是否满足，如果满足则算法停止，否则回到3

ATmega16 单片机驱动240X120的屏幕，液晶屏分为4 行*15列汉字使用间接操作方式，做的农历显示界面，可以参考内容和移值，

基于 opencv。 根据输入的相应点，估计输出摄像机参数对摄像机标定

基于 MATLAB GUI 的图像处理和测量程序，直观的界面，操作方便、 图像处理的二维图像测量。可以用一个样品图片直接运行。

这是为 2 图像的拼接 自动拼图-自动缝 2 针图像在一起 画布是产生在画布的 2 张图片 行和 col 是起源的 2 张图片之间的偏移量

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，

最近写了几个网站的验证码图片自动识别程序，尽管每个网站的验证码图片都不相同，识别的方法有所差别。但写得多了，也总结出不少相同之处。今天抽空封装出一个基础类来，发现可以很好地重复利用，编写不同的验证码识别程序，效率提高了不少。好东东不能独享，现放出来供大家共同研究，请网友们妥善用之。         封装后的类使用很简单，针对不同的验证码，相应继承修改某些方法，即可简单几句代码就可以实现图片识别了：

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]。

该代码基本上进行了眼底图像的分割，以便进一步检测其他特征图像处理分割将图像分成多个部分，通常用于识别数字图像中的对象或其他相关信息。

数字图像的边缘检测室图像分割、目标区域识别和区域形状提取等图像分析领域十分重要的基础，是图像识别中提取图像特征的一个重要方法，本程序是基于openCV函数库编写的图像处理程序，采用canny 算法进行边缘检测