小鯨魚APP主要包括智能圖像識別,各種尺寸的證件照制作,OCR文本識別,趣玩測評等功能,滿足用戶的各種需求,集休閑和娛樂的一款工具型APP。

小鯨魚拍照識別軟件介紹

小鯨魚app是一款智能識別文字和制做規格證件照片的手機app，小鯨魚app有著多種多樣應用性強的作用，根據小鯨魚手機軟件還能夠線上開展趣玩評測。

小鯨魚拍照識別軟件功能

1.智能圖像識別：可以對不認識的物體拍照掃描APP會幫你分析最有可能的結果。主要包括動物識別、植物識別、食材識別、菜品識別、花卉識別。

2.證件照制作：方面用戶制作各種常用尺寸的證件照，免去了跑照相館的時間和金錢。

3.趣玩測評：里面有各種好玩的性格測評題目。趕快來測測看準不準，有機會獲取獎勵額。

4.OCR文本識別：主要是方面用戶提取圖片文字。

5.二維碼：超簡單的二維碼識別和掃描工具

小鯨魚拍照識別軟件優勢

省時省力

只需提交正臉生活照片，系統軟件將全自動處理圖片，一鍵摳圖，讓這些手動式修改的落伍技術性一去不復返，將生活照片極致轉化成技術專業證件照片，實際操作簡易，一鍵迅速轉化成標準證件照。

最美麗長相

用當然護膚美膚的優化算法，在確保證件照片無失確實狀況下，提升相片、智能化柔光燈、護膚，無需ps和P圖，就能一鍵生成美圖照片證件照片，制做極致證件照片便是這么簡單。

通用性規范

以各種要求情景，嚴苛依照我國、政府機構、機關事業單位證件照片規范的證件照片制作。省掉了對證件照要求主要參數不了解的苦惱。

各種規格

各種規格的證件照片規格型號，一寸證件照、2寸證件照片、學士學位證書、成人自考本科、教師資格證書考試、世界各國簽證照片、全國各地四六級考試、計算機水平考試、會計職稱考試、學生證等數百種證件照片尺寸文件格式，你需要的證件照片型號規格、規格型號全在這里。

機器視覺智能圖像處理技術

進入21世紀后，機器視覺技術的發展速度更快，已經大規模地應用于多個領域，如智能制造、智能交通、醫療衛生、安防監控等領域。目前，隨著人工智能浪潮的興起，機器視覺技術正處于不斷突破、走向成熟的新階段。

智能圖像處理是指一類基于計算機的自適應于各種應用場合的圖像處理和分析技術，本身是一個獨立的理論和技術領域，但同時又是機器視覺中的一項十分重要的技術支撐。一般認為機器視覺“是通過光學裝置和非接觸傳感器自動地接受和處理一個真實場景的圖像，通過分析圖像獲得所需信息或用于控制機器運動的裝置”，可以看出智能圖像處理技術在機器視覺中占有舉足輕重的位置。

具有智能圖像處理功能的機器視覺，相當于人們在賦予機器智能的同時為機器按上了眼睛，使機器能夠“看得見”、“看得準”，可替代甚至勝過人眼做測量和判斷，使得機器視覺系統可以實現高分辨率和高速度的控制。而且，機器視覺系統與被檢測對象無接觸，安全可靠。

常見機器視覺系統主要可分為兩類，一類是基于計算機的，如工控機或PC，另一類是更加緊湊的嵌入式設備。典型的基于工控機的機器視覺系統主要包括：光學系統，攝像機和工控機（包含圖像采集、圖像處理和分析、控制/通信）等單元，如圖2所示。

機器視覺系統對核心的圖像處理要求算法準確、快捷和穩定，同時還要求系統的實現成本低，升級換代方便。機器視覺的圖像處理系統對現場的數字圖像信號按照具體的應用要求進行運算和分析，根據獲得的處理結果來控制現場設備的動作，其常見功能如下：

（1）圖像采集圖像采集就是從工作現場獲取場景圖像的過程，是機器視覺的第一步，采集工具大多為CCD或CMOS照相機或攝像機。照相機采集的是單幅的圖像，攝像機可以采集連續的現場圖像。就一幅圖像而言，它實際上是三維場景在二維圖像平面上的投影，圖像中某一點的彩色（亮度和色度）是場景中對應點彩色的反映。這就是我們可以用采集圖像來替代真實場景的根本依據所在。

如果相機是模擬信號輸出，需要將模擬圖像信號數字化后送給計算機（包括嵌入式系統）處理。現在大部分相機都可直接輸出數字圖像信號，可以免除模數轉換這一步驟。不僅如此，現在相機的數字輸出接口也是標準化的，如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等，可以直接送入計算機進行處理，以免除在圖像輸出和計算機之間加接一塊圖像采集卡的麻煩。后續的圖像處理工作往往是由計算機或嵌入式系統以軟件的方式進行。

（2）圖像預處理對于采集到的數字化的現場圖像，由于受到設備和環境因素的影響，往往會受到不同程度的干擾，如噪聲、幾何形變、彩色失調等，都會妨礙接下來的處理環節。為此，必須對采集圖像進行預處理。常見的預處理包括噪聲消除、幾何校正、直方圖均衡等處理。通常使用時域或頻域濾波的方法來去除圖像中的噪聲；采用幾何變換的辦法來校正圖像的幾何失真；采用直方圖均衡、同態濾波等方法來減輕圖像的彩色偏離。總之，通過這一系列的圖像預處理技術，對采集圖像進行“加工”，為體機器視覺應用提供“更好”、“更有用”的圖像。

（3）圖像分割圖像分割就是按照應用要求，把圖像分成各具特征的區域，從中提取出感興趣目標。在圖像中常見的特征有灰度、彩色、紋理、邊緣、角點等。例如，對汽車裝配流水線圖像進行分割，分成背景區域和工件區域，提供給后續處理單元對工件安裝部分的處理。圖像分割多年來一直是圖像處理中的難題，至今已有種類繁多的分割算法，但是效果往往并不理想。近來，人們利用基于神經網絡的深度學習方法進行圖像分割，其性能勝過傳統算法。

（4）目標識別和分類在制造或安防等行業，機器視覺都離不開對輸入圖像的目標進行識別和分類處理，以便在此基礎上完成后續的判斷和操作。識別和分類技術有很多相同的地方，常常在目標識別完成后，目標的類別也就明確了。近來的圖像識別技術正在跨越傳統方法，形成以神經網絡為主流的智能化圖像識別方法，如卷積神經網絡（CNN）、回歸神經網絡（RNN）等一類性能優越的方法。

（5）目標定位和測量在智能制造中，最常見的工作就是對目標工件進行安裝，但是在安裝前往往需要先對目標進行定位，安裝后還需對目標進行測量。安裝和測量都需要保持較高的精度和速度，如毫米級精度（甚至更小），毫秒級速度。這種高精度、高速度的定位和測量，倚靠通常的機械或人工的方法是難以辦到的。在機器視覺中，采用圖像處理的辦法，對安裝現場圖像進行處理，按照目標和圖像之間的復雜映射關系進行處理，從而快速精準地完成定位和測量任務。

（6）目標檢測和跟蹤圖像處理中的運動目標檢測和跟蹤，就是實時檢測攝像機捕獲的場景圖像中是否有運動目標，并預測它下一步的運動方向和趨勢，即跟蹤。并及時將這些運動數據提交給后續的分析和控制處理，形成相應的控制動作。圖像采集一般使用單個攝像機，如果需要也可以使用兩個攝像機，模仿人的雙目視覺而獲得場景的立體信息，這樣更加有利于目標檢測和跟蹤處理。