OCR转换器 借助OpenCV（使用SVM算法）检测图像中的文本并将其格式化为字符串的Android应用。 然后，如果需要，可以将其翻译为Google Tranlate支持的任何语言。 特色 用相机拍照，然后从中提取整段文字，线条或单词。 您可以将该文本翻译成所选的语言。 从图库中选择图像，然后从中提取整个文本，行或单词的块。 您可以将该文本翻译成所选的语言。 翻译您的书面文字。 API使用 API网址： ： 请求：TranslateText（POST） 标头： 'Content-Type'：'application / x-www-form-urlencoded' 终点： '/翻译' 参数： '文本'->您要翻译的字符串。 'language'->您要翻译的字符串。 建于 执照 此项目已获得MIT许可证的许可-有关详细信息，请参阅文件。

 设计了一种基于机器视觉软件MVTec HALCON与图像拼接技术的文物修复系统．该系统首先对图像进行去噪，分割等预处理，然后利用Harris算法进行角点检测提取特征点，接着检测出的角点经归一化互相关匹配后使用RANCAC算法剔除误匹配点实现初步拼接，最后用改进的加权融合方法进行图像融合并利用图像修复技术进行修复．针对采用的算法编制了相应的软件，并进行了拼接实验，结果表明该方法可以快速有效地对图像进行无缝拼接，精度高，可广泛应用到古字画等文物修复工作中。

文章目录一、rgb空间下的sobel边缘检测（1）代码（2）结果二、hsv-s空间下的加入图像腐蚀和图像膨胀的sobel边缘检测（1）代码（2）结果三、hsv-s空间下的加入图像腐蚀和图像膨胀，并进行孔洞填充后的sobel边缘检测（1）代码（2）结果 一、rgb空间下的sobel边缘检测 （1）代码 # -*- coding: utf-8 -*- import cv2 import matplotlib.pyplot as plt # 读取图像 # 此处注意cv2.imread读出来的是bgr格式要转为rgb img = cv2.imread('7.jpg') img = cv2.cvtCol

完整的算法步骤% 1. 读取图像% 2. 转换为灰度% 3. 检测边缘% 4. 定义累加器矩阵% 5. 使用半径值通过圆方程找到圆心% 6. 在累加器矩阵中赋值% 7. 寻找峰值（圆心） % 8. 在原始彩色图像上绘制圆圈

传统探伤都是通过大量的人力对探伤图逐一判断，探伤效率低下，正确率不高。本文针对探伤A超图像序列提出了一种自动识别探伤的算法。通过分析探伤图像，首先对原图进行k-means聚类的分割，得到带有虚景的探伤声波图像。为了抑制虚警，得到完整的声波图像，本文使用了投影算法，并取得了很好的效果。最后在得到的声波图像上进行底波和缺陷波的检测，实现缺陷的自动识别。实验表明，本文提出的方法具有很高的准确率。

高速轨道检测图像处理技术.pdf

一个基于C++的sobel边缘检测源代码图像处理程序，供大家参考。

各种图像边缘检测算法，还有两幅图像相减即差影法，检测圆和检测直线。

Caltech-UCSD Birds 200 是一个鸟类图片数据集，包含 200 不同种鸟类，共计 11788 张图片。

C#调用百度SDK实现 winform界面,关于其中的appkey需要自行到百度控制台查看自己的key,非实时检测人脸搜索