duxianindex

生成拉盖尔函数、缔合拉盖尔函数，并根据这两个函数的解析表达式画出若干个拉盖尔-高斯光束模型(Generation of Laguerre functions, associative Laguerre functions, and according to the analytical expression of these two functions to draw a number of Laguerre- Gaussian beam model)

本程序包是基于多分辨率分析的图像融合算法，其中包括基于区域的融合算法。对应程序有相关的文章，是学习图像融合最有用的资料。(This package is based on the analysis of multi-resolution image fusion algorithms, including region-based fusion algorithm. Procedures related to the corresponding articles, image fusion is to study the most useful information.)

针对镜头畸变失真模型，进行镜头畸变失真校正的小程序(Distortion model for lens distortion, lens distortion distortion correction for a small program)

数字图像处理源代码绝对好用包括一些最基本了图像处理，例如增强(digital processing)

基于meanshift算法的目标跟踪，主要是基于opencv车辆跟踪！！！程序当中进行简单的图像分割(Based on the meanshift algorithm of image segmentation and target tracking.)

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。()

使用PCL库进行点云投影，朱德海《点云库PCL学习教程》第二章示例代码(Example code for Lidar cloud data projection)

图像清晰度评价，包含标准差，空间频阈，熵，bener(Image sharpness evaluation, including standard deviation, spatial frequency threshold, entropy, bener)

求取一幅二值图像包含目标区域的最小矩形框，返回矩形框的上下左右边界，然后根据边界坐标在图上画出目标区域。(Strike the rectangle that contains the smallest rectangular target area in a binary image, return to the top and bottom rectangular box around the border, and then draw the boundary on the map coordinates of the target area.)

首先对指纹图像进行预处理，包括图像的分割，增强，二值化，细化。对细化后的图像进行特征点的提取，最后通过细节特征匹配完成指纹的识别。(Firstly, the fingerprint image is preprocessed, including image segmentation, enhancement, binarization and thinning. The refined image is extracted by feature points, and the fingerprint recognition is completed by minutiae feature matching.)