图像处理

图像的高通滤波和掩模处理, 程序能够运行出正确的结果，希望对各位有帮助。

基于MFC的查看图像坐标选点程序，当导入一副图像时，鼠标所指位置会在主框架窗口会产生其在图像坐标中的横纵值，记录该点在图像中的水平和竖直坐标位置，达到选点的目的。

实现图象的平滑（去噪声），锐化。，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰

应用背景可应用于图像处理的图像分割部分，操作简单，只需在图像上标记你的分割区域，即同一区域画一条横线，该算法就会根据连通域和图像的边界线进行分割，分割成想要的几个区域，快速简捷，另外完全解读该图像，包括其位数，帧数等。分割后还可以进行区域标记，用于区分（如不同的颜色代表不同的区域）。关键技术 基于标记算法的分水岭分割算法，只需在图像上标记你的分割区域，，分割成期望的区域。 分割时可以把及其细致的差别也分离出来，对分割好的区域还能进行连通区域标记，可以对某一个部分进行单独处理，如红外仿真等。

一个VC编写的屏幕画笔，用vc6和vc2008都可以编译通过，供大家学习参考，能力有限，有不好的地方希望大家指正，共同进步，程序就是用来大家分享，多多益善

采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波, 程序能够运行出正确的结果，希望对各位有帮助。

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

通过直方图比较进行模板匹配，从若干张图片中检索出相似图片，得到匹配系数，具有一定的可用性，在opencv1.0+VC6.0/VS2010平台皆可使用。我目前在做基于直方图匹配的跟踪，欢迎各位下载，一起学习交流。

实现了基于opencv 的手写数字字符识别主要参照文章： http://blog.damiles.com/2008/11/basic-ocr-in-opencv/ 基本上就是按着人家的代码来配置的，完后小改动了几个参数，写了一个文档，方便大家学习吧。

用鼠标框选需要检测的物体，依据颜色直方图特征，进行动态检测，如果有接近所选的物体的颜色直方图特性，会导致检测失败；如框选笔记本电脑摄像头跟踪的人脸，如果有手挡住人脸，会出现跟踪人脸的情况。