ROC

用奇异值分解的方法实现图像压缩，有助于初学者了解奇异值分解的应用(Using singular value decomposition method to achieve image compression will help beginners understand the application of singular value decomposition)

在一个具有几个顶点的连通图G中，如果存在子图G 包含G中所有顶点和一部分边，且不形成回路，则称G 为图G的生成树，代价最小生成树则称为最小生成树。 (Has several vertices in a connected graph G, if there subgraph G ' contains all vertices of G and part of the side, and does not form a loop, called G' is a spanning tree of G, the minimum cost spanning tree is called minimum spanning tree.)

C# 百叶窗效果 实例

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。()

本程序实现图像LENA的压缩传感 程序作者：沙威，香港大学电气电子工程学系，wsha@eee.hku.hk(The procedure of image compression sensing process by LENA: Javert, University of Hong Kong Electrical and Electronic Engineering, wsha@eee.hku.hk)

图像处理领域最新的K-L变换后求主成分的程序。matlab文件。(image processing latest K-L transform PCA for the procedure. Matlab document.)

最小二乘匹配，图像匹配算法，需要初始匹配坐标，可以达到亚像素精度(least squares matching, image matching algorithm, the initial need to match coordinates, can reach sub-pixel accuracy)

说明：  区域生长法的图像分割，可以较好地提取脑部图像。(The region growing method can extract brain image well.)

自相似特征（self-similarity）描述子的提取代码，算法见“Matching Local Self-Similarities across Images and Videos”(Self-similar characteristics (self-similarity) describe the extraction of sub-code, algorithms, see " Matching Local Self-Similarities across Images and Videos" )

说明：  n个点电荷电场线的matlab仿真 分别有1个 2个等（可以通过改变程序数字来得到相应的仿真结果）(Matlab simulation of N-point charge electric field lines)