sphit-128-4

基于凸集投影算法的超分辨率图像重建算法，在现有算法基础上改进计算精度和效率。(To improve the computational accuracy and efficiency in the existing algorithms based on super-resolution image reconstruction algorithm based on projections onto convex sets algorithm.)

利用极大似然估计进行盲反卷积复原，通过多帧图像约束，效果较好(Use of maximum likelihood estimates for blind deconvolution restoration by the multi-frame image constraint, the better)

3D人脸建模过程中，重采样的重要一步，缝合面片间的缝隙。(3D face modeling process, an important step in resampling, suture surfaces between the cracks.)

说明：  灰度图像的边界跟踪的方法，先用微分算子计算出图像的梯度图。然后再应用此算法。(Gray-scale image of the border tracking methods, first calculate the differential operator of the gradient map images. And then apply this algorithm.)

用于提取图像的Zernike矩特征，从而实现目标识别，可运行(Used to extract the image of the Zernike moment characteristics, so as to realize target identification, can run)

说明：  简单的Canny边缘检测程序，另外包含霍夫变换检测道路直线。(Simple Canny edge detection procedures, including Hough transform detection of road lines.)

Gaussian Kernel Density Estimation with Bounded Support

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。()

应用Intel® JPEG Library v1.5处理图像的例子(Using Intel® JPEG Library v1.5 to process image.)

改程序是用来行人检测的，有源代码，可以轻松学习并参考。(The reform program is used for pedestrian detection, source code, you can easily learn and reference.)