C++从零实现传统视觉算法：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....

代码在vs2017或python 3.7环境下运行成功。 ## 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。