上课做的大作业，图像识别. 识别灰度的铭牌数字

.mlapp源代码，可以拿去直接用，拿来当自己的课设可不是不可以。 大报告详见：https://blog.csdn.net/weixin_42845306/article/details/117951465

基于Java语言实现的 相似图像识别，基于直方图比较算法

梯度直方图的完整代码,含有原始的图像以及经过梯度处理后的结果，代码浅显易懂，适合初学者

陈新军; 李军求， 电子产品可靠性与环境试验 发表时间：2019-08-20 期刊

近年来，由于受各种环境及人为因素的影响，壁画在一定程度上受到了破坏。为了使人们欣.赏到原作的风貌，并对其进行研究和开发，还原壁画的原有样貌，提出了一种针对褪色及划痕的壁画修复.算法。该算法在 Ｌαβ空间的基础上，首次提出使用颜色聚类及掩模算法对受损壁画的破损区域进行分割.提取，然后针对 ＦＭＭ 算法中传输方向并没有完全覆盖要修复的区域的缺陷，提出了利用梯度直方图的一.些特性对其传输方向进行优化。实验表明，该算法对于破损的壁画修复有很好的效果。

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集（Iris）。主要叙述的是数据可视化。 IRIS数据集以鸢尾花的特征作为数据来源，数据集包含150个数据集，有4维，分为3 类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中常用的测试集、训练集。 读取数据包括sklearn库引入和读取.csv文件保存的数据集。 显示数据包括显示具体数据、查看整体数据信息、描述性统计。 数据可视化包括散点图、直方图、KDE图、箱线图。 目录读取数据显示数据数据可视化 读取数据 从sklearn库中读取：（我使用的是该种办法） ，因为文件运行起来总缺少一

Histograms of Oriented Gradients for Human Detection，HOG，梯度方向直方图

通过总结多篇基于HOG（方向梯度直广图）特征应用的文献，详细阐述了每篇文献所使用的方法，并对其实验结果进行了分析。HOG特征是一种经典特征描述方法，它通过不断改进，引入了PHOG、AW-HOG、MultiHOG对检测目标进行准确表示。通过分析HOG特征在人体行为检测、交通领域和新兴产业中取得的良好检测效果，说明HOG特征的发展前景值得期待。

数字图像处理实验（1）--灰度图的直方图均衡化。编程实现灰度图像的直方图均衡化处理。要求给出原始图像的直方图、均衡化图像及其直方图和直方图均衡化时所用的灰度级变换曲线图。