数字图像处理实验三，具体可见博客https://blog.csdn.net/gyx1549624673/article/details/103808536。本次实验的目标是使用多分辨率融合技术无缝地融合两幅图像，图像通过轻微的变形和平滑的接缝将两个图像连接在一起。 本次实验帮助学生掌握高斯金字塔、拉普拉斯金字塔以及多分辨率图像还原等技术处理过程。

数字图像处理 实验代码 python+opencv exp1图像的显示与存储，exp2基本几何变换，平移、旋转、缩放等,图像的傅里叶变换，exp3图像的对比度增强+直方图修正+平滑、锐化，exp4边缘检测

写爬虫有一个绕不过去的问题就是验证码，现在验证码分类大概有4种： 图像类 滑动类 点击类 语音类 今天先来看看图像类，这类验证码大多是数字、字母的组合，国内也有使用汉字的。在这个基础上增加噪点、干扰线、变形、重叠、不同字体颜色等方法来增加识别难度。 相应的，验证码识别大体可以分为下面几个步骤： 灰度处理 增加对比度(可选) 二值化 降噪 倾斜校正分割字符 建立训练库 识别 由于是实验性质的，文中用到的验证码均为程序生成而不是批量下载真实的网站验证码，

在之前发布的一篇博文《MNIST数据集实现车牌识别–初步演示版》中，我们演示了如何使用TensorFlow进行车牌识别，但是，当时采用的数据集是MNIST数字手写体，只能分类0-9共10个数字，无法分类省份简称和字母，局限性较大，无实际意义。 经过图像定位分割处理，博主收集了相关省份简称和26个字母的图片数据集，结合前述博文中贴出的python+TensorFlow代码，实现了完整的车牌识别功能。本着分享精神，在此送上全部代码和车牌数据集。 车牌数据集下载地址（约4000张图片）：tf_car_