直方图增强函数源文件

应用背景输入图像和对应的矩阵可以使自己的图像处理工具：模糊，边缘检测关键技术该关键技术是你计算它的基础上的过滤器矩阵；

边缘检测是图像处理中的最重要的主题之一。为此提出了许多方法但他们大多有表现疲弱中噪声的图像，因为噪声像素决意作为边缘。在这个项目中，两种新方法表示基础上分层自适应神经模糊系统 （HANFIS）。每个方法包含 HANFIS 营办商，收到的一些邻近的像素的值，并决定所需数目中心像素的边缘与否。列车简单图像用于设置每个 HANFIS 运算符的内部参数。实验结果表明这些方法是对脉冲噪声鲁棒性，准确提取边缘像素。

应用背景遥感图像上经常要用到图像融合，尤其是全色影像和多光谱影像，本程序可以很好地融合遥感图像，同时对于其他多模态或者异源影像都可以进行融合。关键技术代码主要采用三种方法进行融合，可以有选择的使用。主要是平均法融合，IHS法融合和PCA法融合，都是遥感图像融合领域常用的融合方法，可以直接运行。

% 下面举例说明遗传算法 % % 求下列函数的最大值 % % f(x)=10*sin(5x)+7*cos(4x) x∈[0,10] % % 将 x 的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为 (10-0)/(2^10-1)≈0.01 。 % % 将变量域 [0,10] 离散化为二值域 [0,1023], x=0+10*b/1023, 其中 b 是 [0,1023] 中的一个二值数。 % % % %--------------------------------------------------------------------------------------------------------------% %--------------------------------------------------------------------------------------------------------------% % 编程 %----------------------------

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

基于OPENCV编写的几何图形识别。对一些人类在视觉上存在明显区别的几何图形,提出了轮廓搜索‰ 折点定位的改进算法。通过搜索出的轮廓折点,根据它的数量,以及相邻折点之间连线的相互几何关系,最后识别出图形的快速算法。本文对大量几何测试图形用该算法实验,结果证明该识别算法具有运算速度快,准确度高的特点,在图形发生拉伸旋转等变形时也能很好对图形进行识别。附带自己编写的相应测试源代码，对利用取模软件建立的图形进行识别。

对图像进行梯度锐化处理，并用数字图像进行测试，从结果看出，经过3次锐化处理后，图像周围出现“长毛‘现象。

cs算法：FBMPR。

此脚本将生成和绘制的三维数据，并执行 principalcomponent 分析侯选数据，并减少特征空间的维数。注意那 matlab 具有优化的功能来执行 PCA： princomp () 但是，在此脚本中我们 PCA 手动执行通过计算特征向量，示范助学。

利用粗糙集进行图像去噪，输出无噪声的图像