仰望天空45度

Kernel-based Hough transform KHT移植暂时还没看懂，不过经过试验，在我电脑上(i3-2310M)对于2560x1920的图像找出直线大约需要70ms，对比下一直使用的OpenCV的标准算法大约需要200ms，release版本只需要20ms，OpenCV release版本需要110ms。

最简单的方法最简单的方法是用matlab自带的函数： BW2 = bwmorph(BW,'thin',n); n是要细化迭代的次数，也可以是Inf(没有引号)。Inf表示算法会一直迭代直到图像不再改变。 算法原理参考 [1]。稍微复杂点的方法Zhang-Suen算法 原理简介：http://www.cnblogs.com/mikewolf2002/p/3321732.html 算法实现：h

2016年3月2日15:26:36 Zbar源码分析 Img_scanner.c int zbar_scan_image (zbar_image_scanner_t *iscn, zbar_image_t *img) 经过上一步的分析后发现图像扫描的工作都是由zbar_scan_image完成的，zbar_scan_image主要根据设定的扫描密度

由于要将rRect利用仿射变换裁剪下来并旋正，需要知道rRect.point()的四个点的位置，查了一下资料，记在下面：简介：Finds a circumscribed rectangle of the minimal area for 2D point set by building convex hull for the set and applying rotating calipers4

说明opencv自带的sobel()耗时较长，还需要配合convertScaleAbs()，自己的项目对时间要求严格，所以自己尝试写了一些片段，时间测试如下，以便待查。测试条件win10，i5-6400@2.7GHz,8GB@2400MHz; opencv2.4.9,VS2010; 图片尺寸3104*4192; 测时方法：clock() 只测量以下程序段，测10次求均值1.最简略版-34.9

手动标记文字位置原理：利用impoly()函数大致画出文字位置，二值化后求出最小包围矩形，存到txt中，可以用来判断自动定位的准确度，也可以利用txt将文字直接提取出来实验识别算法；利用ginput()标记文字方向，也放到txt中。 用法：将filelist.bat拷贝到图片文件夹下，运行生成图片列表list.txt； 更改words_location_manually.m中dirPath后

在OpenCV中有minAreaRect()来获取旋转的最小面积矩形，Matlab中暂时没有对应的函数，但我找到一篇同样功能的函数minboundrect.m(源代码在后面)[1]。利用这个函数可以获得旋转矩形的四个顶角，顺序如下图 如果要将目标区域从原图上裁剪下来，需要计算外包络正矩形，然后裁剪下来，然后旋转正，然后再裁剪到旋转矩形的大小。为了解决这种麻烦，并加快执行速度，本文编写了cv_r

【转】https://zhidao.baidu.com/question/440366046.html一、根据仿宋_GB2312字反复测试收集到数据，用字符跨度、行跨度与字体字号的关系表格来说明。字符跨度、行跨度与字体字号的关系 对以上表认真分析，可以得到行、字符网格的准确定义：　　①行高就是行跨度：其最小值大于默认字体的高度，是默认字体的高度的1.36倍；另外，行高不能小于15.6磅，所有小