本文首先介绍了人脸识别技术的研究背景、国内外研究现状和应用场景；研究了Viola&Jones人脸检测算法的基本原理，并对其中涉及的Haar-like特征、积分图方法、AdaBoost分类器和级联的思想进行了阐述；研究了基于PCA实现的特征脸算法、基于LDA实现的Fisherfaces算法和局部二值模式直方图（LBPH）算法三种人脸识别算法的基本原理及思想；最后，通过上述理论学习，基于OpenCV，在Visual Studio 2012开发环境下，利用ORL人脸数据库，分别对上述算法进行了算法实现和实验验证，并且在最后创建了一个基于特征脸的实时人脸识别系统，该系统可以实现人脸的检测、预处理、收集、训练和识别。

基于Opencv的车牌识别系统

利用轮廓，求图像间的offset，图像库是opencv的代码，利用canny求出轮廓，然后找出两幅图的轮廓offset，即得原图的offset。

基于OpenCV的图像轮廓提取实现，添加有滑动条可进行参数调节，实时显示提取效果

双目标定代码。解决方案Opencv已配置好。里面有说明文档和实验图片。可以直接运行，也可以根据自己的需要重新拍摄图像进行双目标定。

可以求出图像之间的旋转角，精度和图像大小成正比，利用频域做的，不是单纯的旋转0.1°，匹配一下，再转一下，再匹配一下。

开发环境VS2015,C#平台基于OpenCV的图片倾斜校正小Demo,内含工程和用于测试的图片。倾斜校正流程为: Canny边缘检测、形态学膨胀、概率霍夫变换直线查找、角度计算、图片旋转。

基于opencv中值滤波_均值滤波_边缘检测_角点检测_

Windows64位环境下： 1. 安装python3.6.5 2. pip install numpy 3. pip install matplotlib 4. pip install opencv-python 5. 安装opencv-conrib(https://download.csdn.net/download/u012442083/10809277)

1、课程综述。课程的核心是开发一个基于OpenCV的“精度测量”项目。首先就是需要说明“什么是精度测量项目”，“精度测量的难点在哪里”，“精度测量的价值是什么，可用于哪些地方”？ 2、软硬件平台的选型、选择的依据和原因；界面设计，具体代码结构。 3、算法要点,OpenCV中现在关于轮廓处理的算法初步整理和存在问题。最重要的是突出“新建算法”的重要价值。 4、标定、DPI换算，标定技巧。DPI的基础概念、这里的标定所表示的含义，如何得到可供标定的图片。 5、三种标定的方法。标定算法的细节，最终的结果转换。 6、测量规则和不规则物体,自己设计一些知道面积的不规则物体进行测量，看能够得到什么效果。 实际规则一些不知道面积的不规则物体，并且进一步提高算法质量。 把这个过程截图出来，将结果进行比对，将测量内容详细化。 7、测量孔洞和锯齿,在得到轮廓以后的高级算法。 8、界面设计要点和多线程。 和现有界面库Goimageshop进行结合(很多界面的设置可以配合来讲，MFC中逻辑坐标和物理坐标之间转换这个也是可以讲的)。 9、显示控制和数据结果的导出，如何设计相关方法，将处理结果导出 10、可能扩展和课程总结。展示最终完成结果，并进行课程总结。