基于matlab的图像处理小程序

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

资源描述这个作者就是OpenTLD的C++版本的作者，包括ROS版的OpenTLD也是基于他的代码改的。 对于CMT这个跟踪算法，我在iPhone5s上做了实际测试，跟踪效果超乎想象，在我比较了TLD，CT，Color Tracking，Struck等等顶级算法的效果之后得到了这样的结论。这个算法是可以实用的跟踪算法，虽然它也有缺点，之后我会说。实时性和跟踪效果都一流。

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

其他格式转ETC，就是一个包装代码，调用别人实现的工具来完成我的工作。使用nodejs语言，可以作为nodejs的学习使用

基于OpenCV中值滤波方法，中值滤波是在1971年由Tukey提出来的，它是一种非线性的且比较典型的滤波技术。在某些条件下它能够克服如均值滤波、最小均方滤波等产生的图像细节不清晰，对消除椒盐噪声极其有效，在分析处理一些光学条纹测量图像时有着重要的作用，可是在分析条纹中心方法中没有太大的用处，在处理图像中，可以维持边缘信息，是很典型的平滑噪声法。

应用背景图形图像处理，寻找大津阈值，程序中运用继承派生的思想，寻找最优大津阈值关键技术图像分割处理领域，关键目标提取，大津阈值选取

opencv用多种方法提取特征，分别有颜色提取即：颜色直方图提取；形状提取有Hough直线提取、Hough矩形提取以及边缘直方图提取

这是初学者的计算机视觉和图像处理的基本操作。在这一来源代码作一些图像操作。这些都是 ；阈值 erosiondilation

此代码将计算 16-点二维离散余弦变换通过执行两个 1 D DCTs.1st 一维离散余弦变换应用于每个输入中的行，并且从这个结果一维 DCT 执行的每一列。它由输入的加法器块，8 点近似离散余弦变换和置换块组成。

该算法是criminisi算法的经典程序，对于初学者有很多的帮助，以及有现成的图片，可以很好的将criminisi算法从 入门到掌握。