图片处理算法

1. OCR文字识别用的是什么算法

OCR文字识别用的是光学字符识别算法，是专门针对字符识别和检测的一种有效的图像处理算法。比如云脉OCR文档识别就是基于光学字符识别算法，支持将转化为图片格式的纸质文档进行识别，提取图片上的文字信息成文本文，保存后还可开启进行编辑，接着就可导出word或者pdf格式进行保存...

2. 如何把照片压缩变小

最简单的办法，比如用这个在线图片压缩工具，想把图片文件的大小减到多少都行，直接设置一下数值，马上瞬间就能完成了。在线智能压缩图片大小,图片压缩体积

▼ 在线图片智能压缩使用步骤：

一、首先点击加号添加需要压缩的图片。目前已知支持对jpg、png等多种常见的图片格式进行压缩，如果上传图片并压缩成功，则代表支持该图片格式。
二、可以自行修改图片需要被压缩到的最大宽高尺寸，默认为图片原始的宽高尺寸，且宽高比例是自动锁定的。
三、必须设置图片被压缩后，期望输出的图片文件的最大占用空间。(必填项)
四、选择图片生成的算法。默认为混合优先算法，绝大多数情况下使用默认算法即可。
五、压缩的设定值不能小于1Kb，但图片压缩的最终效果可以小于1Kb。

3. 如何判断图片是否是文字图片，给个算法、代码、思路

你是不是想判断一个图片中，是不是含有文字？

如果是这样，想把这个文字给取出来，这是一个比较难的操作。

思路：进行对图片进行识别（OCR），按一定的算法，比对字库。查找。
算法：
1，图片处理：把图片无关的噪点，过滤；颜色生成单色图
2，提取信息：对图片点阵信息进行拓扑分析，查找并生成路径信息。
3，比对数据库信息。
4，生成结果。

您可以参考一下车牌的识别相关流程。

4. 在图像处理中有哪些算法

太多了，去找本书看看吧！给个大概的介绍好了
图像处理主要分为两大部分：
1、图像增强
空域方法有 直方图均衡化
灰度线性变化
线性灰度变化
分段线性灰度变化
非线性灰度变化（对数扩展
指数扩展）

图像平滑
领域平均法（加权平均法
非加权领域平均法）
中值滤波
图像锐化
Roberts算子
Sobel算子
拉普拉斯算子

频域方法有
低通滤波
理想低通滤波
巴特沃斯低通滤波
指数低通滤波
梯形低通滤波
高通滤波
理想高通滤波
巴特沃斯高通滤波
指数高通滤波
梯形高通滤波
彩色图像增强（真彩色、假彩色、伪彩色增强）
2、图像模糊处理
图像模糊处理
运动模糊（维纳滤波
最小均方滤波
盲卷积
……
）

高斯模糊（维纳滤波
最小均方滤波
盲卷积
……
）
图像去噪处理
高斯噪声
（维纳滤波
样条插值
低通滤波
……
）
椒盐噪声
（中值滤波
……
）

5. 由同一物体不同角度的图片经过复杂的算法就可以得到他的3d立体模型，这个算法具体是怎样处理数据的

3D芯片的处理对象是多边形表示的物体。用多边形表示物体有两个优点：首先是直接（尽管繁琐），
多边形表示的物体其表面的分段线性特征除轮廓外可以通过明暗处理(shading)技术消除；其次是仅存储多边形顶点的几何信息，
多边形内部每个象素的明暗颜色计算所需的信息由这些顶点信息插值而来，这正是易于用图形硬件支持的快速明暗处理技术。
支持多边形绘制的图形硬件同样也可以绘制由双三次曲面片表示的物体，通过对这种物体的表面进行三角剖分，
用逼近的三角形网格代替原物体的曲面表示就可以做到这一点。
当然，用多边形表示物体也有其缺点，如增加了纹理映射和阴影生成的难度，当需要详细表示复杂物体时所需的三角形数量将变得非常庞大。

将多边形表示的物体显示到计算机屏幕上，这一过程涉及物体在计算机内部的表示方式即物体的数据结构，
由物体组成的场景的组织结构，物体从场景到屏幕空间要经过的一系列变换，以及产生最终屏幕图象要经过的一系列光栅化处理。
这些方面都涉及到特定的处理算法,相应的算法又有许多不同的变种。
下面仅就3D芯片涉及的图形处理过程及相关算法做一简单分析介绍，这些是理解3D图形处理及图形硬件的基础。

6. 在图像处理中有哪些算法

1、图像变换：

由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，可减少计算量，获得更有效的处理。它在图像处理中也有着广泛而有效的应用。

2、图像编码压缩：

图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

3、图像增强和复原：

图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

4、图像分割：

图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

5、图像描述：

图像描述是图像识别和理解的必要前提。

一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。对于特殊的纹理图像可采用二维纹理特征描述。

6、图像分类：

图像分类属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法模式分类。

(6)图片处理算法扩展阅读：

图像处理主要应用在摄影及印刷、卫星图像处理、医学图像处理、面孔识别、特征识别、显微图像处理和汽车障碍识别等。

数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。

数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，

但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。

7. 图像处理的算法有哪些

图像处理基本算法操作从处理对象的多少可以有如下划分：
一）点运算：处理点单元信息的运算
二）群运算：处理群单元 （若干个相邻点的集合）的运算
1.二值化操作
图像二值化是图像处理中十分常见且重要的操作，它是将灰度图像转换为二值图像或灰度图像的过程。二值化操作有很多种，例如一般二值化、翻转二值化、截断二值化、置零二值化、置零翻转二值化。
2.直方图处理
直方图是图像处理中另一重要处理过程，它反映图像中不同像素值的统计信息。从这句话我们可以了解到直方图信息仅反映灰度统计信息，与像素具体位置没有关系。这一重要特性在许多识别类算法中直方图处理起到关键作用。
3.模板卷积运算
模板运算是图像处理中使用频率相当高的一种运算，很多操作可以归结为模板运算，例如平滑处理，滤波处理以及边缘特征提取处理等。这里需要说明的是模板运算所使用的模板通常说来就是NXN的矩阵（N一般为奇数如3,5,7,...），如果这个矩阵是对称矩阵那么这个模板也称为卷积模板，如果不对称则是一般的运算模板。我们通常使用的模板一般都是卷积模板。如边缘提取中的Sobel算子模板。