圖像識別c語言
A. 搞演算法（圖像識別，深度學習）必須要懂C/C++嗎
由於圖像識別、深度學習這方面已經有許多人做了基礎性工作，他們提供的程序或者庫都是利用c或c++形式提供的，或者是類似的調用介面，因此要利用這些庫、將這些基本演算法結合到自己的工程中來，需要c和c++的知識
演算法應當是可移植的，同時又不能離硬體太遠。可移植的特點是要求編程語言具備可移植性、通用性，c或c++是比較好的載體；所謂離硬體不太遠，是因為要在演算法優化方面有需求時，需要針對硬體特點，或者硬體提供的能力，做到發揮演算法的最大效能，由於c語言可以很好地結合匯編語言和高級語言，因此在優化方面是比較靈活的。
如果大部分通用演算法都是用c或c++編寫的，為成為通用演算法，你有可能需要順應這一習慣，以便別人將你的演算法結合到他們的c或c++工程中去。
往往你的演算法是在別人編寫的現有演算法上改進得到，如果別人的演算法就是c或c++編寫的，你需要這方面的知識來消化別人演算法的思路，理解成熟演算法的意圖。
B. 基於C語言的圖像識別的經典材料嗎
沒有什麼基於C語言的圖像識別材料的，圖像識別技術大多講的都是各種演算法。建議搜索一些OpenCV相關的資料，裡面會有相關圖像識別的內容。個人感覺用OpenCV來入門學習圖像識別技術比較好，因為它把復雜的演算法封裝成API函數了，理解起來比那些枯燥的圖像演算法書籍要容易的多，因為後者更像是一本數學書，看起來費勁而且容易厭煩。等把OpenCV用熟，需要改某個API函數時，再去理解演算法就容易的多
（以上是個人經驗）
C. 圖像識別用什麼語言寫最簡單
用C，實際上在windows下最常用的圖像識別處理是Matlab，而Matlab的語法大部分直接繼承自C。而在嵌入式領域，圖形處理的一般分兩種，一種屬於編寫了驅動，通過攝像頭採集到圖像發送到PC或者ARM上處理，這部分主要是C，還有一種，就是直接硬體處理圖像，那部分硬體IO口設置之類的可以說完全是C和匯編完成了，更大程度還是C
D. 怎樣用C語言讀取一張圖片並進行簡單處理
圖片格式有很多種
bmp,
jpg,
gif,
png
等等
每種都有自己的格式。
處理圖片
一般流程
都是先讀取圖片文件，根據格式解析成點陣圖(bitmap)
然後對點陣圖進行處理。
所以
重點是解析。
這個是有很多的開源C庫的。
E. 如何用c語言讀取圖片
#include
using namespace std;
#define Twoto1(i,j,w) i*w+j
void createimage(unsigned char *&img, int w, int h)
{img = new unsigned char[w*h];}
void delateimage(unsigned char*img)
{delete []img;}
void readimage(unsigned char*img, int w, int h, char *fname)
{
FILE *fp;
fopen_s(&fp,fname, "rb");
if (fp == NULL){ cout << "error" << endl; return; }
size_t result;
result=fread(img , sizeof(unsigned char), w*h, fp);
if (result != w*h)
{
cout << "Reading error" << endl;
return;
}
else
cout << "Reading Ok!" << endl;
fclose(fp);
}
void mobanjuanji(unsigned char image, unsigned char*image1, int w, int h, float moban[5][5])
{
for (int i = 0; i for (int j = 0; j if (iw - 3 || j>h - 3)
image1[Twoto1(i,j,w)] = 0;
else
{
float temp = 0;
for (int m = 0; m<5; m++)
for (int n = 0; n<5; n++)
{
temp += (image[Twoto1(i-2+m,j-2+n,w)] moban[m][n]);
}
if (temp>255) image1[Twoto1(i, j, w)] = 255;
else if (temp<0) image1[Twoto1(i, j, w)] = 0;
else image1[Twoto1(i, j, w)] = temp;
}
}
void saveimage(unsigned char *img, int w, int h, char *fname)
{
FILE *fp;
fopen_s(&fp, fname, "wb");
if (fp == NULL) { cout << "error" << endl; return; }
size_t result;
result = fwrite(img, sizeof(unsigned char), w*h, fp);
if (result != w*h)
{
cout << "Write error" << endl;
return;
}
else
cout << "Write Ok!" << endl;
fclose(fp);
}
void main()
{
unsigned char *img;
unsigned char *img1;
float moban[5][5] = { {0,0,0,0,0},{0, -1, 0, 1, 0 }, { 0, -2, 0, 2, 0 }, { 0, -1, 0, 1, 0 }, { 0,0,0,0,0 } };
//float moban[5][5] = { 0 };
int w = 512, h = 512;
createimage(img, w, h);
createimage(img1, w, h);
readimage(img, w, h, "E:ss.raw");
mobanjuanji(img, img1,w, h, moban);
saveimage(img, w, h, "E:ss_1.raw");
saveimage(img1, w, h, "E:ss_2.raw");
delateimage(img);
delateimage(img1);
}
(5)圖像識別c語言擴展閱讀
C語言實現一個圖片的讀出和寫入
#include <stdlib.h>
#include <windows.h>
int file_size(char* filename)//獲取文件名為filename的文件大小。
{
FILE *fp = fopen(filename, "rb");//打開文件。
int size;
if(fp == NULL) // 打開文件失敗
return -1;
fseek(fp, 0, SEEK_END);//定位文件指針到文件尾。
size=ftell(fp);//獲取文件指針偏移量，即文件大小。
fclose(fp);//關閉文件。
return size;
}
int main ()
{
int size=0;
size=file_size("qw");
printf("%d ",size);
FILE * pFile,*qw;
char *buffer=(char*)malloc(sizeof(char)*size);
qw =fopen("qw","r");
pFile = fopen ( "qwe" , "wb" );
printf("%d==
",pFile);
printf("%d ",size);
fread(buffer,1,size,qw);
fwrite (buffer , sizeof(byte), size , pFile );
fclose (pFile);
rename("qwe","Groot.jpg");
return 0;
}
F. 怎樣用c語言從一幅圖像中提取特定的目標
嗯，要作一些圖像識別的東西。如果使用C++，可以使用CxImage之類的圖像庫(在圖像讀寫方面會簡化不少)。
G. 哪種編程語言最適合做圖像識別
c，很多演算法都是用c寫的，如果是匯編編寫的優化演算法也提供c語言介面以便調用。
H. 用C語言怎麼將一張BMP格式的圖片識別並改變顏色
你說用c語言是說直接用c的語法但是不用API嗎？ 如果是的話你需要對BMP格式進行剖析 分析BMP的格式,這個我沒有辦法 但是用Windows API的話我可以給點思路你.
LoadBitmap //獲取圖片文件句柄
GetObject //傳入一個BITMAP結構 獲取點陣圖的信息 比如：長寬高
GetBitmapBits//獲取像素點
//對保存像素點緩沖區進行修改
SetBitmapBits //修改像素
I. 做圖像識別演算法用什麼語言好
圖像識別 C++ 語言是最好的。
有C的基礎，入門很容易。
再往下就看你的天賦和學習能力了。
J. 用C++或C語言實現圖象識別
1.將全部三個圖像的 BMP 24Bits 全彩色點陣圖數據整理成 long 型，BMP_Color_Data[i*m + j] = 65536*Blu[m][n] + 256*Gre[m][n] + Red[m][n] ...........二維圖像數據保存成一維的 long 型數據串。
2.將小圖像的點陣圖數據按照大點陣圖數據的行數為「周期」 T 掃描，即將小點陣圖的第一行 long 數據串作為樣本，在大點陣圖數據中尋找匹配段：如果有，則記錄「部分匹配標志（即部分包含，交集關系）」按照那個周期 T 直接到下一「段」檢查是否匹配，直至掃描完全樣本數的段，如果全部符合匹配條件，則置「完全匹配標志（即完全包含，子集關系）」....在此任何段中，如果不匹配，則 break ；
3.結論：有交集關系則為部分包含，有子集關系則有完全包含。
起始坐標比較好計算，即開始數據串的位置數，分解成大圖的行列數。