inverhuifu

采用harris角点特征完成图像拼接，包含特征点的选取以及最终拼接后的结果输出(Harris corner feature complete image stitching, contains the feature points selected and the resulting output after final stitching)

基于数学形态学的顺序滤波源程序，可以更改。(Mathematical Morphology order filtering source, can be changed.)

image decomposition and reconstruction

用python编写的基于CV2的图像融合程序，实现偏振信息到IHS的转换、融合。(Using python to write the CV2-based image fusion program to achieve the polarization information to IHS conversion, integration.)

各种边缘检测程序，包括2Sobel算子边缘检测， Prewitt算子边缘检测，Roberts算子边缘检测， Laplace算子边缘检测，Canny算子边缘检测 (Edge Color)

VC++图像平滑处理+程序源码，实现图象的平滑（去噪声），锐化功能，测试时请在C盘下放一个测试用的Bmp图片，路径：C: est.bmp，没有的话没法测试。如上图所示是水平平滑处理，可以对比下，不过感觉颜色失真了，有兴趣的看一下。命令行编译过程如下： 　　vcvars32 　　rc bmp.rc 　　cl smooth.c bmp.res user32.lib gdi32.lib(VC++ image smoothing+ program source code, to achieve a smooth image (to noise), sharpening function in the C drive when testing a test of decentralization Bmp picture, path: C: test.bmp, no words can not test . Is shown above the level of smoothing, you can compare the next, but the feeling of color distortion, interested look. Command-line compiler as follows: vcvars32 rc bmp.rc cl smooth.c bmp.res user32.lib gdi32.lib)

指纹图像处理，细化，锐化，二值化，特征点的提取。(Fingerprint image processing, refining, sharpening, binarization, feature point extraction.)

稀疏矩阵字典的优化KSVD，本人已进行测试，效果甚佳,可以用在图像，数据的压缩和分类(Sparse dictionary optimization KSVD, I have been tested, very good results)

Curvelet变换进行图像去噪，Matlab7.0程序(Curvelet transform for image denoising, Matlab7.0 procedures)

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢