AngleExtentTest

最大最小距离 聚类算法，可以对一维或者二维信号进行聚类分析。尤其是两类化情况较好时。(maxmum and minimum Cluster Algorithm)

说明：  通过matlab源码实现图像的最佳自动阈值分割，所选算法是常见的大津法(Matlab source code through the realization of the best automatic image thresholding, the selected algorithm is a common method of Otsu)

图像处理之Matlab特征提取和表达-一些规则图形的特征提取(Matlab feature extraction and expression in image processing - feature extraction of some regular patterns)

说明：  最大熵是图像阈值分割里常用的一种简单且效果明显的方法。该代码是最大熵算法的快速递推形式。(Maximum Entropy is Image Threshold Segmentation ri common a simple and obvious effect method. The code is maximum entropy algorithm rapid recursion forms.)

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。()

K-means彩色图像分割，有实验报告，main文件中还有区域生长的算法。(K-means color image segmentation, with experimental report.)

Itti模型的显著图提取，使用matlab编写，很好的代码，可供参考学习(Itti model saliency map extraction, the use of matlab prepared very well the code)

读入图像，对图像进行预处理，随后检测边缘，对得到的图像进行二值化，然后进行hough变换，获得圆边界，将此图与原图叠加，增强边缘(Read in the image, the image pre-processing, followed by edge detection, binarization on the image to get, and then the hough transform to obtain the circular boundary, this map and the original image overlay to enhance the edge)

说明：  很好用的三维重建软件，VisualSFM软件允许上传一系列图像，它从这些图像中找到每一个图像的特定特征，利用这些特征信息重建出3D模型的稀疏点云，而后还可进行稠密点云重建。(The VisualSFM software, a good 3D reconstruction software, allows uploading a series of images. It finds the specific features of each image from these images, and USES these feature information to reconstruct the sparse point cloud of the 3D model, and then it can reconstruct the dense point cloud.)

一种带有自适应阈值和动态支持区域的CSS角点检测算法，其效果被认为优于目前所有的CSS角点检测算法和大多数的其他类型角点检测算法。(a curvature scale space corner detector with adaptive threshold and dynamic region of support, it is considered to be the one of the best corner detection algorithms.)