通过labview编程，实现对图像的处理

光照不均条件下QR码的图像预处理.pdf

图像标注软件Labellmg（解压以后双击打开Labellmgexe，软件时可能出现会闪退，只需要把该软件所在位置的路径改为英文即可）

图像预处理技术的研究任务书和开题报告格式

指纹图像预处理算法.doc

在复杂背景下的二维码区域定位一直是QR Code二维条码解码过程中的难题之一。二维码区域扫描定位是通过二维码的图形特点来实现，其存在扫描定位效率较低的缺点。为此提出在扫描定位之前通过图像处理结合BP神经网络实现QR Code二维码条码区域提取方法。火车票通过图像预处理得到可能是二维码的区域块，提取经图像处理后的二维码区域块图像特征并结合BP神经网络过滤出正确的二维码区域。

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标，对图像预处理过程进行了叙述，并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%，这表明图像预处理的结果和提取的特征是合适的、有效的，设计的BP网络也较好的完成了模式分类识别工作。

（反色+骨架提取+去尖刺） [r,c]=find(bw_170==0); bw_clean=bwselect(~bw_210,c,r,8);imshow(bw_clean) bw_skel=bwmorph(bw_clean,’skel’,6);imshow(bw_skel) bw_pruned=bwmorph(bw_skel,’spur’,8);imshow(bw_pruned)

此函数采用灰度图像并返回其最小有界框骨架图像和边界点的 xy 坐标，这里的边界_x 和边界_y 是参考图像左下角的坐标，即类似于几何（笛卡尔）坐标系

无人机具有体积小、时效性强、操作灵活、成本低等优点，其航拍遥感技术被广泛应用于灾害监测、环境侦察等方面。遥感图像预处理作为无人机图像拼接的第一环节，其处理效果会直接影响到后续拼接的速度、配准准确度以及图像拼接质量。 受限于无人机的飞行高度低、体积小、重量轻导致的抗风能力差、数码摄像头焦距不足等因素的限制，无人机遥感技术所拍摄的图像往往像幅小、数据量大;无人机遥感图像还会受到诸多环境变量的影响，如光照、烟雾等，这也导致了即使是相邻多幅图像之间，也会存在较大的亮度差异和色调差异，这些也会影响到特征点检测的准确度以及最后图像融合的质量，因此在预处理阶段中引入图像增强十分必要。在任何图像采集过程中，噪声干扰都是需要考虑的因素，本文所提出的基于图像锐化的平滑处理能够有效地去除噪声并增强图像细节为下一步特征配准打下良好的基础。