shuzishuiying

Digital Image Processing, stretch of an image with two optional setting via realtime combobox (stretch or default size).

图像的读入，放大，cany检测，二值化，灰度化，任意角度旋转(Read image, zooming, cany detection, binarization, gray, and arbitrary rotation angle)

db4小波的提升小波分解，从已发表的论文中得来，可放心使用(db4 wavelet lifting wavelet decomposition, the published papers come, you can be assured)

小波多分率分析，用于数字信号和图像处理，噪声的去除(Wavelet analysis multisection rate for digital signal and image processing, noise removal)

图像的傅里叶变换。在代码中实现了将两幅图像的幅度谱和相位谱进行交换，进而理解两者在图像显示中的作用(Fourier transform of the image. Implemented in the code will be two images amplitude spectrum and phase spectrum of exchange, and thus to understand both the role of the image display)

基于模板匹配的另一种人脸识别的算法，很实用，利用肤色建模来建立人脸皮肤模型(Another based on template matching algorithm for face recognition, very practical, using skin color modeling to create a human face skin model)

说明：  用matlab写的t-snake的算法用于处理比较简单的情况有一定参考价值(using Matlab write t-snake algorithm for handling simple reference of a certain value)

说明：  多阈值分割 ，基于otsu生成阈值，有用的可以试试(Multi threshold segmentation, threshold generation based on Otsu, useful can try)

循环理论相关MATLAB程序：滚动轴承仿真信号的产生(加噪声干扰)(Cyclostationary related)

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。()