二值化，图像文字二值化后识别原理？
原理：对包含文字的图像进行处理以便后续进行特征提取、学习。这个过程的主要目的是减少图像中的无用信息，以便方便后面的处理。在这个步骤通常有：灰度化（如果是彩色图像）、降噪、二值化、字符切分以及归一化这些子步骤。经过二值化后，图像只剩下两种颜色，即黑和白，其中一个是图像背景，另一个颜色就是要识别的文字了。降噪在这个阶段非常重要，降噪算法的好坏对特征提取的影响很大。字符切分则是将图像中的文字分割成单个文字——识别的时候是一个字一个字识别的。如果文字行有倾斜的话往往还要进行倾斜校正。归一化则是将单个的文字图像规整到同样的尺寸，在同一个规格下，才能应用统一的算法。
· 特征提取和降维：特征是用来识别文字的关键信息，每个不同的文字都能通过特征来和其他文字进行区分。对于数字和英文字母来说，这个特征提取是比较容易的，因为数字只有10个，英文字母只有52个，都是小字符集。对于汉字来说，特征提取比较困难，因为首先汉字是大字符集，国标中光是最常用的第一级汉字就有3755个；第二个汉字结构复杂，形近字多。在确定了使用何种特征后，视情况而定，还有可能要进行特征降维，这种情况就是如果特征的维数太高（特征一般用一个向量表示，维数即该向量的分量数），分类器的效率会受到很大的影响，为了提高识别速率，往往就要进行降维，这个过程也很重要，既要降低维数吧，又得使得减少维数后的特征向量还保留了足够的信息量（以区分不同的文字）。
· 分类器设计、训练和实际识别：分类器是用来进行识别的，就是对于第二步，对一个文字图像，提取出特征给，丢给分类器，分类器就对其进行分类，告诉你这个特征该识别成哪个文字。
· 后处理：后处理是用来对分类结果进行优化的，第一个，分类器的分类有时候不一定是完全正确的（实际上也做不到完全正确），比如对汉字的识别，由于汉字中形近字的存在，很容易将一个字识别成其形近字。后处理中可以去解决这个问题，比如通过语言模型来进行校正——如果分类器将“在哪里”识别成“存哪里”，通过语言模型会发现“存哪里”是错误的，然后进行校正。第二个，OCR的识别图像往往是有大量文字的，而且这些文字存在排版、字体大小等复杂情况，后处理中可以尝试去对识别结果进行格式化，比如按照图像中的排版排列什么的，举个栗子，一张图像，其左半部分的文字和右半部分的文字毫无关系，而在字符切分过程中，往往是按行切分的，那么识别结果中左半
混沌序列二值化公式？
MFI:(H-L)*1000000/V,STICK;A1:=MFI>=REF(MFI,1)*1.1 AND V>=REF(V,1)*1.1;A2:=MFI<=REF(MFI,1)*0.9 AND V<=REF(V,1)*0.9;A3:=MFI>=REF(MFI,1)*1.1 AND V<=REF(V,1)*0.9;A4:=MFI<=REF(MFI,1)*0.9 AND V>=REF(V,1)*1.1;STICKLINE(A1,0,MFI,0.1,1),COLORGREEN;STICKLINE(A2,0,MFI,0.1,1),COLORBLUE;STICKLINE(A3,0,MFI,0.1,1),COLORBROWN;STICKLINE(A4,0,MFI,0.1,1),COLORMAGENTA;MA5:MA(MFI,5)
;绿灯:IF(A1,MFI,DRAWNULL),STICK,COLORGREEN;衰退:IF(A2,MFI,DRAWNULL),STICK,COLORBLUE;伪装:IF(A3,MFI,DRAWNULL),STICK,COLORBROWN;蛰伏:IF(A4,MFI,DRAWNULL),STICK,COLORMAGENTA;
opencv的一个二值化简单程序？
//将标记处改成如下即可：
#include "stdafx.h"
//#include "stdafx.h"
#include
#include
#include
using namespace cv;
int main(int argc,char** argv)
{
IplImage *src=cvLoadImage("D:\\Lena.jpg",0);
if(src==NULL)
{
return 0;
}
cvNamedWindow("src", CV_WINDOW_AUTOSIZE);
cvShowImage("src", src);
IplImage *dst1_img=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,1);
cvSmooth (src, dst1_img, CV_GAUSSIAN, 11, 0, 0, 0);
cvNamedWindow ("Gaussian", CV_WINDOW_AUTOSIZE);
cvShowImage ("Gaussian", dst1_img);
IplImage *adaptive_img = cvCreateImage(cvGetSize(dst1_img),IPL_DEPTH_8U,1);
cvAdaptiveThreshold(dst1_img, adaptive_img, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 7, 8); //函数改成这样即可
cvNamedWindow ("adaptive", CV_WINDOW_AUTOSIZE);
cvShowImage ("adaptive", adaptive_img);
waitKey();
return 0;
}
基于opencv的纸张表面质量检测算法中？
拍摄完图片以后，完全可以进行角点检测，设定阈值，标定好角点，从角点数量估计纸的质量好坏，我没做过这方面的，只是说下自己的感觉，希望对你有帮助吧
二值化图像可以付其他颜色吗？
不可以的，因为二值化图像，他只有一个颜色黑或者白