harris角点检测程序

vc编的图像去雾程序，基于暗通道优先，在细化透射率分别使用中值滤波和双边滤波，代码简单，效率较高，去雾效果良好。

数字图像的基本代码，初学者可以看看，进一步完善也挺方便                                                   

该程序首先采用OpenCV函数实现图像搜索边界，然后直线拟合，在求解对应顶点，最后用旋转拉伸到指定大小的图像上。在将该OpenCV代码用C语言实现，最后用CUDA使用。该程序调试通过。程序主要使用联想E430c笔记本。CUDA程序在GT635M显卡和Tegra K1嵌入式平台上测试通过。

一个简单的代码，找到一个图像中的颜色，如果颜色是找到把这个像素作为白色，否则把像素作为黑色。

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。

应用背景在进行图像处理时，由于实验数据要求不同，经常要对图片的大小进行修改，如果只是一两张图片可用一些PS等软件很快的修改，若图片有成百上千张，比如在做人脸识别时，非常耗时，所有可以用该程序来进行批量修改，图片长宽可在代码中进行设置。关键技术主要是opencv中dst_img_rsize的使用，以及如何根据文件名循环的读取图像文件进行批量操作，修改完后如何将其保存又不与原始图像混在一起。

作为输出从图像分析软件程序 （例如 GenePix，从芯片的原始数据文件，读取标头信息。这些函数由 read.maimages 在内部使用，通常不直接由用户调用

图像处理类，含有图像处理的各个函数，打开，灰度均衡，线性拉伸，点运算，特征提取，匹配等，可以有效地调用，为初学者提供有力的帮助，同时可以改写续写。

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]。

里面有隐马尔可夫模型，这是一个十分经典的模型，十分有助与大家学习和研究工作