chapter02

说明：  使用tensorflow框架搭建神经网络，从单目图像中估计深度值(Using tensorflow framework to build a neural network to estimate depth from monocular images)

这个程序demo了怎样使用glCopyToTexture函数绘制。这个纹理是应用在一个立方体上的。(This app demonstrates how to render to a texture using the glCopyToTexture function. I have used one of my old projects to create a interesting effect (Blending colors). This is rendered to a viewport and then copied to a texture. The texture is then applied to a cube.)

说明：  基于matlab的车牌识别，预处理。定位。识别.qiege(License plate recognition system based on MATLAB)

说明：  方向梯度直方图检测算子，能够提取图像的HOG特征，进行分类与识别(Directional gradient histogram detection operator can extract the hog features of the image for classification and recognition)

基于旋转运动的微多普勒模型的建立，对于了解微多普勒的学习者有帮助。(The establishment of micro-Doppler model based on the rotational motion, help learners understand the micro-Doppler.)

image processing application

3种不同的分水岭分割方法以及三种方法的比较(3 different methods of watershed segmentation and Comparison of Three Methods)

基于opencv的图像灰度化，将24位彩色图像重新量化为8位灰度图像(gray image)

解决一些图像处理的小问题，具体的划分和问题，文件里有提到(Solve some small problems in image processing)

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)