利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理

OpenCV 2 计算机视觉编程手册--随书源码.大家可以研读一下

该源码实现的功能是实现手写数字识别，是实现OCR功能的关键代码。现在上传，希望对大家有所帮助，该代码试用C++语言进行编写，内部包含多种算法的代码，可以进行多种识别方法的比较。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

这个 Matlab 模型实现"主动轮廓没有边缘模型"。这是在塑造形象，噪图像和大脑图像的黑白 rendom 中测试。

水效应

由于对运动目标检测与提取的精度要求越来越高,在运动检测中排除阴影的干扰也就越来越受到重视。当前采用的运动检测算法通常在提取运动目标 的同时也将运动阴影提取出来,这会导致在分割和提取运动目标时产生严重的影响。阴影消除算法，matlab版本，其中阴影消除的阈值和数学形态学模板的大小需要根据具体的视频图像调整到合适的值。

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

光学字符识别（optical character recognition）是模式识别研究的一个热点，被广泛地应用在车牌识别、身份证号码识别、护照识别等领域。手写数字识别是光学字符识别技术的一个分支，它研究如何利用计算机自动辨认手写的阿拉伯数字。通过对手写阿拉伯数字的图像预处理和特征提取，在matlab环境下进行了利用基于最小错误率的贝叶斯分类器对手写的阿拉伯数字识别分类的实验。

这是一本很详细的用vb处理图像的书，里面有很多的实例给我们讲解了如何运用vb来处理图形图像。共8章，介绍vb6图像处理的基础知识，位图文件及操作，彩色位图图像处理，多媒体界面技术，图像的输入装置及灰度图像的处理，图像二值化，图像测量及工程应用系统等。

对眼瞳的识别 很有效 ，主 要通过使用眼睛的分类器对人眼的眼瞳进行的识别 ，显示的效果很好 ，很大的程度上能实现对眼睛的识别。