C++从零实现边缘检测直线圆检测直方图均衡化风格迁移人脸融合全景图拼接图像矫正手写体识别源码.zip

@[TOC] # CV-course-code 计算机视觉作业代码托管仓库，代码在vs2017或python 3.7环境下运行成功。 记录下这段有收获的日子。 ## Ex1 学会掌握CImg的基本使用方法  ## Ex2 边缘检测 了解整个边缘检测的过程和算法实现，算法包括：高斯滤波，sobel算子canny算子求得梯度幅值图，非最大化抑制法，滞后阈值处理法，以及广度搜索去除短边缘等。 ## Ex3 霍夫变换 检测圆和检测直线。使用random hough transform的思想，坐标没有映射到极坐标，效果不好。 较好的霍夫变换代码间Ex7.1   ## Ex4.1 直方图均衡化 直方图均衡化：灰度图均衡化，彩色图三种方式的均衡化（HSV <->RGB）  ​ 均衡化 👇   ## Ex4.2 风格迁移 利用全局统计信息在lab空间进行色彩迁移。  提取色彩风格 .  提取图像内容。 迁移结果 👇  ## Ex5 人脸融合 使用三角网格剖分+仿射变换实现。  ## Ex6 全景图拼接 全景图拼接。只实现了拼接两张图的效果，拼第三张会严重失真，初步考虑是因为特征点更新出错，但我实在看不出来哪里错了，DDL快到了orz，尽力而为。。。 第三方库： vlfeat   拼接结果👇  ## Ex7.1 A4纸矫正 使用图片分割中的Ostu方法提取边缘，霍夫变换检测直线后，然后利用仿射变换矫正。 Ostu 分割结果  矫正结果。  ## Ex7.2 mnist 手写体分类 使用Adaboost方法实现手写体分类，数据集为mnist。识别率最高为91.47%。 同时提供了svm，decisiontree分类的sklearn代码。 略。。 ## Ex 8 A4纸数字识别分类 提取A4纸上的数字，然后使用OpenCV3.4中的SVM模型预测数字。流程如下： 1. canny 进行边缘检测 2. 霍夫变换提取A4纸四条边，得到4个角点 3. 根据角点进行矫正，得到A4纸 4. A纸使用自适应的阈值分割法得到数字边缘，并适度扩张 5. 水平和竖直划分得到字符子图。 6. 使用 mnist 训练SVM模型，得到分类器并保存参数文件。下次使用直接加载分类器参数文件。 7. 字符子图使用插值缩小为28*28，输入SVM分类器，输出预测结果。