fangzhiwu

用于SIFT变化的关键点判断，定对比度和herrian矩阵，最后结果为关键点在DOG里的坐标！(Change for the SIFT key points to determine, set contrast and herrian matrix, the final results for the key points in the coordinates in the DOG!)

提取目标各种特征，图像处理，目标几何特征，纹理特征等(Extract various features, image processing, target geometric features, texture features, etc.)

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()

对视频序列图像的压缩编码，采用了运动预测以增大压缩率(video image sequence coding used to forecast the movement increased compression rate)

对已得到的图像矩阵进行高斯滤波（卷积），可去燥光滑(Gauss filtering for images)

segmentation using region growing in an image

本例程序包含OMP、SP、IRLS、CoSaMP等重构算法，比较性能优劣。(The example application consists of OMP, SP, IRLS, CoSaMP reconstruction algorithm, and compare performance advantages and disadvantages. )

对彩色图像进行小波融合，融合后图像在视觉上有了很大的改善。(Color images of wavelet fusion images visually a great improvement.)

三维人脸数据库FRGC V1. 0,2.0包括图像的深度数据和纹理，格式分别保存为：abs和ppm 读取abs数据中的深度z轴数据，保存为480*640的矩阵，进而进行数据处理研究。并且贴ppm纹理，便于观察。 (Three-dimensional face database FRGC V1. 0,2.0 depth data including images and textures, formats were saved as: abs abs data and ppm reads depth z-axis data, save it as a 480* 640 matrix, and then studied for data processing . And paste ppm texture, easy to observe.)

光谱角(Spectral Angle)衡量像素间的相关性存在着差异，本程序用于计算光谱角，及光谱角匹配(Spectral Angle (Spectral Angle) to measure the correlation between pixels there are differences, the process used to calculate the spectral angle, and spectral angle matching)