dct

颜色特征提取，为matlab 源文件，是底层图像处理的基本特征之一，是本人在做硕士论文时收集修改的代码(Color Feature Extraction for the matlab source file, the underlying image processing are one of the essential features)

说明：  最大熵双阈值分割算法，基于遗传算法优化的快速最大熵双阈值分割算法。(Maximum Entropy Double Threshold Segmentation and Fast Maximum Entropy Double Threshold Segmentation Based on Genetic Algorithms.)

对火焰进行检测的matlab程序,可以通过算法检测火焰的情况(Flame detection of the matlab program, algorithm can detect the flame of)

说明：  运动图像的目标检测，用的是MATLAB软件实现的(The object detection of moving image is realized by MATLAB software)

利用霍夫曼方法进行图像的霍夫曼编码与解码(Hoffman method using images of the Hoffman encoding and decoding)

matlab小波分解信号的几个源程序，包括小波分解，时频转换一级功率谱分析(Matlab wavelet decomposition of the signal source program, including several wavelet decomposition, time-frequency transition level 1 power spectrum analysis)

基于样图的纹理合成 效果很好的块匹配合成(Based Texture Synthesis from Samples effective synthesis of block-matching)

该类计算图像的主分量,特征值,特征向量,并且使用主分量重构.(The main components of such calculation of the image, feature values, feature vectors, and the use of principal component reconstruction.)

完整的图像处理程序，完成基本的图像处理功能，如，各种二值化算法的实现，图像边缘检测，图像分割，降噪等。其中有车牌识别实例。(Complete image processing program, the completion of the basic image processing functions, such as, a variety of value of implementations of the algorithm, image edge detection, image segmentation, noise reduction. License plate recognition instance.)

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。()