finally

Gabor滤波器的实现函数，与一般网上下载的不同，滤波效果更好，易于提取图像特征(Gabor filter implementation function, and general downloading different, better filtering, easy to extract image features)

该仿真程序实现可见光图像和红外图像的融合，(The visible light image and infrared image fusion )

Add watermark to image The program provide the interface to the user that the watermark can be easily added to the image

对图像处理后，将图像中的目标边缘提取出来，然后添加到原图像上(After image processing, the image of the target edge extracted, and then added to the original image)

说明：  利用区域能量方法的matlab图像处理程序直接可用(Use of regional energy method matlab image processing program can be used directly)

针对彩色图像的局部直方图均衡化，可以较好的增强图像细节(poshe,it can enhancements the detail of the image )

说明：  采用walsh进行处理，所得图片效果比较理想(Processed by walsh, results from the ideal image)

C# 使用Halcon进行模板匹配定位(C# uses Halcon for template matching and location)

说明：  ORB-SLAM 基本延续了 PTAM 的算法框架,但对框架中的大部分组件都做了改进, 归纳起来主要有 4 点: ORB-SLAM 选用了 ORB 特征, 基于 ORB 描述量的特征匹配和重定位, 都比 PTAM 具有更好的视角不变性。此外, 新增三维点的特征匹配效率更高, 因此能更及时地扩展场景。扩展场景及时与否决定了后续帧是否能稳定跟踪。ORBSLAM 加入了循环回路的检测和闭合机制, 以消除误差累积。系统采用与重定位相同的方法来检测回路(匹配回路两侧关键帧上的公共点), 通过方位图 (Pose Graph) 优化来闭合回路。PTAM 需要用户指定 2 帧来初始化系统, 2 帧间既要有足够的公共点, 又要有足够的平移量. 平移运动为这些公共点提供视差 (Parallax) , 只有足够的视差才能三角化出精确的三维位置。ORB-SLAM 通过检测视差来自动选择初始化的 2 帧。PTAM 扩展场景时也要求新加入的关键帧提供足够的视差, 导致场景往往难以扩展. ORB-SLAM 采用一种更鲁棒的关键帧和三维点的选择机制——先用宽松的判断条件尽可能及时地加入新的关键帧和三维点, 以保证后续帧的鲁棒跟踪; 再用严格的判断条件删除冗余的关键帧和不稳定的三维点，以保证 BA 的效率和精度。(Orb-slam basically continues the algorithm framework of PTAM, but most of the components in the framework have been improved, which mainly includes four points:)

IDL环境下的EVF矢量数据创建，代码清晰。(IDL environment EVF vector data creation, code clarity.)