Hilbert_CG

pca+fisher 人脸识别MATLAB程序，附加图像数据库，适合简单的人脸识别。 (pca+ fisher face recognition program using MATLAB , adding image database for easy recognition.)

基于提升算法的53小波matlab算法，简单，易于初学者学习图像处理。(On the basis of promoting the algorithm and wavelet matlab algorithm, simple, easy to beginners learning image processing.)

说明：  LRMR（低秩矩阵恢复模型）的IALM方法实现代码，用于图像去噪。(The IALM method implementation code of LRMR (Low Rank Matrix Recovery Model) is used for image denoising.)

上传程序为利用vc编写的近景摄影测量程序，包括影像匹配，基本矩阵生成，核显影像生成等等。(Upload the program for the use of close-range photogrammetry vc written procedures, including image matching, basic matrix generation, nuclear generation, and so was the image.)

这是一个硬阈值、软阈值和自己改进阈值函数小波阈值去噪程序(This is a hard threshold, soft threshold and an improved wavelet threshold denoising threshold function)

针对现有方法存在的隐藏容量低、操作不灵活的缺陷，文章提出了一种基于无损压缩的加密图像可逆 信息隐藏算法。(In view of the defects of low hiding capacity and inflexible operation of the existing methods, this paper proposes a reversible information hiding algorithm for encrypted images based on lossless compression.)

本程序实现位图的读写，均衡化，滤波，LBP，LTP特征提取以及基于LBP，LTP和卡方距离，最近邻分类的人脸识别，批量给图片改名等功能(The program can read and write a bitmap, equalization, filtering, LBP, LTP feature extraction and nearest neighbor classifier for face recognition based on LBP, LTP and chi-square distance, rename picture and some other functions.)

matlab实现的soble算法，自己输入阈值，然后得到边缘提取图像(matlab achieved soble algorithm, input their own threshold, and then get the image edge detection)

说明：  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)

采用归一化互相关的算法进行图像匹配，经过测试非常有效(Normalized cross-correlation image matching, tested very effective)