LaplacianPyramid

实现图像配准和计算配准均方根误差的功能，人工选取控制点，包括四种转换方法。(Achieve image registration and registration RMSE calculation function, manual selection control points, including four kinds of conversion methods.)

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()

26个不同影像处理程序,以VC++开发,是了解影像入门好帮手(26 different image processing procedures to VC++ Development is helpful to understand the image entry)

图像的自动拼接和缝补，采用sift算法作为匹配，是学习全景图像拼接的基础，大家可以下载下来看看(Automatic image stitching and sewing, using sift algorithm as a match, is the basis for learning panoramic image mosaic, you can download to see)

区域语义多样性密度的图像标注。图像标注的好论文。(Image region annotation semantic diversity density. Image annotation good paper. )

基于VC的各种火焰真实模拟,有效的显示了火焰的效果.(fire)

用matlab实现的霍夫曼编码的图像压缩，主要就是依据霍夫曼编码的原理实现的图形图像处理。(Using the Huffman code matlab realize the image compression, Huffman coding is mainly based on the principle realize graphics image processing.)

对话框以及树控件的描述及应用,很值得初学者学习，代码可以直接运行(Dialog boxes, and a description of the tree control and application, it is worth learning for beginners, the code can be run directly)

细菌觅食算法与粒子群优化算法相结合的程序，可以实现适应度函数的最值计算，有很好的参考价值。(Bacterial Foraging algorithm and particle swarm optimization combined program, you can achieve the best fitness function value, and have a good reference value.)

奇异值分解等方法对噪声进行去噪，算法简单，清晰易懂(Singular value decomposition method to noise denoising algorithm is simple, clear and easy to understand)