图形图像灰度处理

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

输入： 的视频图像序列 (最好是从一个网络摄像头获取)，坐在电脑前的用户假设显示一些文档 （文本、 图形、 医学图像或一张照片） 和 visualizedGoal： 检测注意力的焦点和改性的用户感兴趣区域 （请注意我们只感兴趣的用户感兴趣区域不眼睛本身的轨迹 ！）基于这一点，一些地区的兴趣可以绘制到图像上。要做的任务： 开发能够检测到应用程序和跟踪在视频眼; 确定相应的观察 （重点） 位置 （区域） 屏幕，在屏幕上眼的运动轨迹; 标记区域的利益和他们的进化，变化在时间

使用改进的GAC算法对图像进行分割，图像中的偏微分方程课程的一门课堂作业，在图像分割的效果上有很大很大的改进，分割效果也很不错！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

待纠正的影像和参考影像，通过获取同名点坐标，解算多项式纠正系数。然后通过多项式纠正带畸变的影像，得到无几何畸变的影像。the program designs for rectifying the image with reference image

提出了一种新的适用于自主驾驶系统的车道线检测----基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像，截取感兴趣的下半部分进行灰度变换，得到灰度图像；其次采取高通滤波，小波变换，来进行边缘增强与检测；之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车最后采用粒子滤波进行车道线的跟踪。实验表明，该算法简单、鲁棒性强,能准确地检测到车道标识线。

这个例子说明如何在2维数据进行模糊C均值。模糊c均值（FCM）是一个在其中一个数据集被分成n团簇与每一个数据点在属于每个集群到一定程度的数据集的数据聚类技术。例如，位于靠近一个簇的中心有一定的数据点将有属于或会员到该集群和位于远离集群的中心将有属于或度低的另一个数据点的高度隶属该集群。

脑肿瘤检测和图像分析。在这些我已经太给图像和它工作的很好根据区域

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

应用背景本程序使用VC++编写，主要实现Spiht编码算法。Spiht算法虽然已经非常成熟，但是作者从 网上下载了一些代码来看，编写的不是很规范，所以作者在此整理了Spiht程序,在VC6.0下通过调试.     在菜单中首先打开一幅图像,之后选择"Spiht编码",输入码率和分解层数,即可完成压缩,压缩后的 文件存放在E盘的根目录下(也可以设置其它目录,在程序相应处进行修改即可);之后再选择"Spiht解码",即可显示解码后的图像和相应的PSNR。 关键技术针对图像小波变换和图像压缩的源码，使用9/7提升小波和比EZW更高一层的SPHIT对小波系数进行编码。可以输入不同的每个像素的比特数和小波变换层数，来实现BMP图像的SHPIT编码，并且可以通过SPHIT反变换来查看编码的后的图像

以下代码参考zongzong1113的程序，仅作了很小修改，只处理亮度分量，其实色度分量处理方式是一样的 涉及颜色空间转换，DCT变换，DPCM差分编码、量化、Zig_Zag扫描 该程序未采用Huffman熵编码