GVF

基于mean-shift的动态目标跟踪算法，简单有效，另附图库(Based on mean-shift of the dynamic target tracking algorithm, simple and effective, attach library)

图像匹配，将两幅不同的角度拍的图像的对应点都找到(Corner detection)

说明：  ：基于主动轮廓识别和被动轮廓识别方法各自的优缺点，提出结合主动和被动的方法，先对图像进行被动轮廓的预处理，然 后再应用主动轮廓的方法，通过比较选出Canny算子进行预处理，再通过基于概率的方法分割图像，最后再应用Snake模型进行 轮廓提取。并取得较好的应用。(: Identification Based on Active Contour and passive contour recognition advantages and disadvantages of each method, proposed method of combining active and passive, passive first outline of the image pre-processing before applying the active contour method, by comparing the pre-selected Canny operator treatment, and then through the image segmentation method based on probability, and finally application of Snake model for contour extraction. And get better application.)

自己用MATLAB写的一个基于多项式插值的亚像素处理算法，处理速度快(sub-pixel edge detect)

用c语言实现一些简单的图像处理功能，如灰度化、旋转、拷贝等(Some simple image processing functions, such as gray scale, rotation, copy, etc., are implemented in C language.)

基于LSB的音频水印嵌入提取算法，隐藏信息为一个文本文件(Extraction algorithm, the LSB-based audio watermark embedding hidden information into a text file)

说明：  图像特征提取的四种算法，花了很大的力气才弄来的！和大家分享！(Four types of image feature extraction algorithm, to spend a great deal of effort to get the! To share with you all!)

说明：  使用unet对图像进行分割的源码，里面有训练集，可以根据自己的需要更换训练数据。(Use the source code of the image segmentation using UNET, which has a training set, you can change the training data according to your own needs.)

编码： （1）进行颜色转换，将RGB格式转换为YUV格式。 （2）将待编码的N×N的图像分解成(N/8)^ 2 个大小为8×8的子图像。 （3）对每个子图像进行DCT变换，得到各子图像的变换系数。这一步的实质是把空间域表示的图像转换成频率域表示的图像。 （4）对变换系数进行量化。 （5）进行Z字形重排 （6）使用霍夫曼变长变码编码器对量化的系数进行编码，得到压缩后的图像（数据）。 解码： （1） 对压缩的图像数据进行解码，得到用量化系数表示的图像数据。 （2） 进行反Z字型重排 （3）用与编码时相同的量化函数或量化值表对用量化系数表示的图像数据进行逆量化，得到每个子图像的变换系数。 （4）对逆量化得到的每个子图像的变换系数进行反向正交变换（如反向DCT变换等），得到(N/8)^2 个大小为8×8的子图像。 （5）将(N/8)^2 个大小为8×8的子图像重构成一个N×N的图像。 （6）进行颜色组合，将YUV格式转换为RGB格式图像。(JPEG compression and decompression process)

图像修复是图像处理的一个重要问题。这是一个困难的问题，同时填写在地区缺少图像信息的纹理和结构。以损坏的图像inpaint失踪的结构和纹理信息，基于小波分解的图像修补算法提出。首先损坏的图像分解成子图像和纹理结构，利用小波子图像转变。然后，地区结构中缺少的信息的子图像重建曲率驱动扩散（CDD），算法，而在同一区域的纹理子图像填写基于改进的纹理合成的典范 最后，恢复的图像，通过重组，结构和纹理恢复的结果。大量的实验表明，该算法可以快速，高效地恢复在同一时间的结构和纹理信息，视觉效果和峰值信噪比比（PSNR）比同类算法更好。(Image inpainting is an important problem image processing. It is a difficult problem to simultaneously fill-in the texture and structure in regions of missing image information. In order to inpaint the damaged image with both missing the structure and texture information, an image inpainting algorithm based on wavelet decomposition is presented. First the damaged image is decomposed into structure sub-image and texture sub-image using the wavelet transformation. Then, the sub-image with the region of missing information in the structure is reconstructed by Curvature-Driven Diffusions (CDD) algorithm, while the same region in the texture sub-image is filled-in with the improved texture synthesis based on exemplar Finally, the restored image is given by recombining the structure and texture restored results. A large number of experiments show that the proposed algorithm can quickly and efficiently restore the structure and texture information at the same time, and the visual eff)