行人检测

流程：原始图像——傅里叶变换——频率域滤波处理——傅里叶变换——增强后的图像。在具体进行频率域的各种处理滤波的前后,进行了傅立叶变换以及傅立叶反变换.这两个变换的过程就是将空间的信息分解为在频率上的表示,或者将频率上的表示转化为空间上的表示,两种变换是互为逆变换的.正是通过傅立叶正反变换的处理,才使得频率域上的处理可以用于图像的增强

本代码是利用凸优化对L1范数进行优化，从而达到对系数图像去噪的效果，输出为去噪后图像以及噪声图像，本代码对椒盐噪声去除效果尤为明显，而且迭代次数少，收敛速度快

VS2010解决方案按OpenCV相关配置1.读入视频文件    将视频加载至内存，文件名需按正确路径添加2.逐帧读取文件    将视频逐帧读取，并每帧读取成图片保存3.帧图像保存    帧图像名包括图像名和序号

DM6437 上的自动对焦算法实现，包括 图像清晰度评价函数 梯度平方算法实现，改进了爬山搜索算法，使之对焦可以更快，DM6437 定时器初始化，DM6437的启动程序，本程序可在 达盛 EL-6437平台上直接运行。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

应用背景SPIHT是小波图像压缩中的一种重要算法，由W.Pearlman等人开发，是图像压缩标准的有力竞争者，由于压缩效果略差于EBCOT，因此未被选用关键技术 小波分析显著改变了图像的数据统计特性，十分便于集合划分编码操作，SPIHT利用这一数据分布规律，设计了合理的数据划分规则，实现了小波图像的有效压缩

进行视频文件的下采样 ，用c写的 ，实现对视频的每一帧 进行下采样 比例系数 可以自行设置 

压缩感知用于磁共振成像的快速重建，基于快速阈值收缩迭代算法，收敛速度很快

生成验证码，格式支持：png、jpg、gif、flash 此验证码来源于DISCUZ论坛，用于学习研究用，验证码出来的效果相当的不错！

包含两个程序，程序1是实现HE的暗通道先验去雾的程序，程序2是实现清华大学俞晶的基于暗通道和双边滤波的图像去雾的程序，可以直观的比较两者的差别。