瞳孔定位

多尺度LBP，代码根据论文“Learning Multi-scale Block Local Binary Patterns for Face Recognition”编写的(this code is obtained from the paper named "Learning Multi-scale Block Local Binary Patterns for Face Recognition")

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。()

评价描述子的好坏，能给出重叠率、正确率和查错率等(Evaluation of descriptors)

说明：  基于MATLAB图像阈值分割 ，有不同的方法，如人工阈值分割，大津法阈值分割等(Based on MATLAB image threshold segmentation, there are different methods, such as artificial threshold segmentation, Otsu threshold segmentation and so on)

边沿检测轮廓跟踪,在图像处理中非常重要的边缘检测轮廓跟踪算法。(Edge detection contour tracking, image processing in a very important edge detection contour tracking algorithm.)

Code for make histogram of image

有关改良Canny算法的一些还算可以的文献(Improved Canny algorithm on some literature.)

说明：  裁剪图像为固定大小，非常简单，只需要设定图像裁剪起始位置以及图像裁剪大小即可，非常方便。(It is very simple to crop the image to a fixed size. It is very convenient to set the starting position and size of the image clipping)

说明：  基于高光谱数据集PaviaU的数据降维与分类,基于核函数的主成分分析kpca测试(Dimension reduction and classification based on hyperspectral data set paviau, KPCA test based on kernel function principal component analysis)

说明：  马尔科夫随机场算法matlab实现图像分辨率增强(Markov enhanced the image resolution)