转换器 (2d 到 3d 转换视频)

本资源提供了Harris角点检测算法的源码以及算法描述ppt，可以直接运行，但是记住得配置opencv环境，源码是基于opencv实现的

主要实现一个串口发送器功能，该发送器的数据是从FIFO 中读取的。也就是说，只要FIFO 中有数据，串口发送器就会启动，将数据发送出去。，该串口发送器由三个模块组成。datagene 模块每1s 产生16 个字节递增的数据，这些数据将会写入fifo232 中例化的一个256 字节大小的FIFO 中。一旦检测到FIFO 中有数据，uart_ctrl 模块就会将FIFO 中的数据读出并通过串口发送出去。大家可以用串口线连接SF-EP1C 板和PC 机，通过串口调试助手查看收到的数据是否是一组不停递增的数据。

调用opencv原有的特征点检测提取算法，实现将指定路径下的图片使用选择算法依次进行特征点的检测与提取，并将图像以及特征点的检测和提取信息保存至文件。实现检测算法有三种算法可选。图像匹配调用原有匹配算法，在指定目录下，读取保存图像及特征点信息的文件，一次实现图像的匹配并判断和记录匹配结果。

鼠标点移动相机，此演示测试 X 移动相机，当前只测试红颜色。

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

该代码是用来利用LMS(最小均方误差)算法进行数字识别代码，该代码的识别率相对于其它算法很高，运行速度快，准确率高。

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

评价图像分割的曲线PR曲线是现在主流标准，此代码划出的曲线十分直观，还有多个选项可以自定义。

首先开启GUI界面，均匀得选定多个参考点，然后对图像进行配准，用于遥感图像的处理。