matlab部分IPT函数的运用

说明：  matlab使用regionprops求面积，找到连通域(Matlab uses regionprops to calculate area and find connected region)

说明：  本课题的主要内容是图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率.该模块主要包含光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作,内有源代码和全部论文资料(this issue is the major content of image preprocessing, mainly from the camera to obtain images Face then, in order to improve the recognition and positioning accuracy. The module consists mainly of light compensation, Grayhound, Gaussian smoothing, balanced histogram, image contrast enhancement, image pre- processing module in the system plays a crucial role in image processing will have a direct impact behind the positioning and identification, within Active code and all papers information)

细节增强的直方图均衡法，在增强图像对比度的同时还能保留细节细心，避免了细节吞噬现象(Detail enhancement, histogram equalization, but also retained the same time enhance the image contrast details carefully, to avoid the details of phagocytosis)

在最不重要位替换嵌入算法的基础上引入矩阵编码，增强水印隐蔽性，有效地提高水印嵌入效率。(On the basis of the least significant bit embedded algorithm is introduced to Replace the matrix coding, to enhance hidden watermark, the watermark embedding effectively improve efficiency.)

形态学成分分析，该方法的基本思想是利用信号组成成分的形态差异，将图像分割为纹理和分片光滑部分。(Morphological Component Analysis，The basic point is that an image can be divided into texture and piecewise smooth parts by the morphological diversity among signal components.)

Tamura纹理特征提取程序，matlab编写，通过运行测试无误。另附有pdf介绍Tamura纹理特征定义，希望对大家有帮助。(Tamura texture feature extraction procedures, matlab prepared correctly by running the test. Tamura has attached pdf introduce the definition of texture features, in the hope that everyone has to help.)

基于互信息的图像配准源代码，，采用粒子群优化算法可直接使用。 (Based on mutual information image registration source code, using particle swarm optimization algorithm can be used directly.)

(cvpr)Matching Local Self-Similarities descriptor自相似描述子((cvpr)Matching Local Self-Similarities across Images and Videos)

一种利用中心和结构聚类的稀疏表示图像去噪方法，有不错的效果(a image denoising method with structral clustering and sparse representation, has good effect .)

说明：  编码： （1）进行颜色转换，将RGB格式转换为YUV格式。 （2）将待编码的N×N的图像分解成(N/8)^ 2 个大小为8×8的子图像。 （3）对每个子图像进行DCT变换，得到各子图像的变换系数。这一步的实质是把空间域表示的图像转换成频率域表示的图像。 （4）对变换系数进行量化。 （5）进行Z字形重排 （6）使用霍夫曼变长变码编码器对量化的系数进行编码，得到压缩后的图像（数据）。 解码： （1） 对压缩的图像数据进行解码，得到用量化系数表示的图像数据。 （2） 进行反Z字型重排 （3）用与编码时相同的量化函数或量化值表对用量化系数表示的图像数据进行逆量化，得到每个子图像的变换系数。 （4）对逆量化得到的每个子图像的变换系数进行反向正交变换（如反向DCT变换等），得到(N/8)^2 个大小为8×8的子图像。 （5）将(N/8)^2 个大小为8×8的子图像重构成一个N×N的图像。 （6）进行颜色组合，将YUV格式转换为RGB格式图像。(JPEG compression and decompression process)