图像识别与处理

应用背景 在线软件制作中，需要拍照上传图片，并对拍照所得图片进行处理； 将图片画在canvas画布中，对图片进行像素级的处理 关键技术canvas是HTML5新增的标签，结合JS可以实现对图像的像素级处理，这对开发在线图像处理软件提供了便利

DCT技术适用于图像压缩比，以获得更好的输出和重建图像，采用jpg标准。

自己学习freeimage，用vs2005编写的对freeimage的调用实例， 测试了图像显示，图像转换，图像压缩和解压几个接口

基于无人机航拍图片的拼接程序，加入了照相机参数校正，能够快速拼合场景图，做毕设时写的程序，将读取图像路径加入程序可以直接运行得到结果，中间可以显示多幅图像的匹配关系，粗匹配点对及精匹配点数，拼接时间及校正时间，最后显示拼合结果图并将图像存储

我的任务是要熟悉图像和网格分割算法，使用代数拓扑。代数拓扑检查空间的拓扑由学习抽象的代数结构，而莫尔斯理论建构的空间顺序，注意到其拓扑结构的变化。坚持理论是什么使这些定量的方法之间的连接，通过将分配给每个拓扑功能其生命周期中由一步一步建筑空间。这种理论能够通过基于分水岭的方法主要被用于分割的目的。本质上，流域程序认为图像或网格被水淹了水，与湖泊沉积盆地新兴地形景观。随着水平的上升，从相邻盆地水域满足沿分水岭线，成型段边界。这通常会导致 oversegmentation，所以合并迈出的一步是必要的对于我们可以使用持久性理论。考虑的算法基于聚类的过程，由弗雷德里克 ·那个开发。人的 INRIA 沙克雷，法国 ；其中建立流域的方法，在附近区域图，并合并段鞍点的基础相应的地方 extrememum 与鞍点，即坚持的高度差异将召开会议。在灰度图像、 位图自己或它的梯度给出了图，而彩色图像映射到颜色空间，在哪里我们寻找的盆地中的点云密度极大的吸引力。三角网格模型通常要分割的一些近似的曲率。根据项目建议书只实现了图像的分割算法，在 c + + 语言。在灰度案例中，我得到有用的结果为合成和一些简单的自然图像。对于彩色图像，我是能够有效地再现的原创文章，结果，但该算法很难调，和性能优化是必要的为实际使用。三角网格模型，为我考虑过各种签名功能和基于持久性的分割算法，以及前瞻性的执行有关的潜在问题。

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。

使用idl语言进行遥感图像的中值和平均值滤波，首先先读取图像，之后按照3*3对图像进行中值滤波和平均值滤波。同时将图像生成gif动画

这个源代码是 BMP 大小调整。 开始位置和结束位置选定。 但是，不完整。

与Fourier变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样条分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等