PseudoColor

HOG（方向梯度直方图）图像特征提取，以lena图像作为示例(HOG (Histogram of Oriented Gradients) image feature extraction, image as an example to lena)

目标跟踪中常用到的阿尔法-贝塔滤波 有图有真相(Target Tracking commonly used to Alpha- Beta filtering map with the truth)

实现对邮票中手写字符的提取，得出灰度直方图，平滑算法，锐化算法以及输出二值化图像(Realization of the extraction of handwritten characters in stamps)

基于SUFT的特征提取与匹配，内涵详细的文档说明，很好的实现了特征提取与匹配，该方法较基本的SIFT有很大的提高(Extraction and matching of features based on SUFT, detailed content of the documentation, very good realization of the feature extraction and matching, SIFT the method is basic is greatly improved)

说明：  代码论文Active Contours Without Edges(code paper Active Contours Without Edges)

实现图像融合的一些基本代码 实现了梯度金字塔拉普拉斯金字塔算法的图像融合 (matlab This procedure based on the implementation of the FSD pyramid image fusion algorithm, the effect was not bad, you can reference.)

对图像进行模糊处理，用逆滤波和维纳滤波恢复图像，也是实验时自己编写的代码，请多指教。(Fuzzy image processing, inverse filtering and Wiener filter to restore the image, but also experiments have written code, like him Zhijiao.)

SUN：利用自然统计的显著性贝叶斯检测框架。一种自底向上的检测图像的显著性区域方法。(SUN: A Bayesian Framework for Saliency Using Natural Statistics)

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢

计算机图形学中小例子，MFC下实现Sutherland_Cohen直线段裁剪算法(Computer graphics small example)