数字图像处理基础代码

 以R、G、B为轴建立空间直角坐标系，则RGB图的每个象素的颜色可以用该三维空间的一个点来表示，而Gray图的每个象素的颜色可以用直线R=G=B上的一个点来表示。于是rgb转gray图的本质就是寻找一个三维空间到一维空间的映射，最容易想到的就是射影（即过rgb空间的一个点向直线R=G=B做垂线），事实上Matlab也是这样做的，并且有Gray = 0.29900 * R + 0.58700 * G + 0.11400 * B。

此程序保持同行全方位的全景图像。它要求展开之前确定的全方位图像和它的半径的中心。这个程序使用快速的相位展开方法，变换的全方位图像从极坐标系统对笛卡尔坐标系统。RANSAC 用于估计全向图像的中心。

行人跟踪一直是视频研究的一个重点问题，本代码御用kalman跟踪行人,再视频场景中检测到行人的存在，并用红色矩形框对行人进行跟踪，能较好的实现跟踪

在进行图像分割的时候，将遗传算法与神经网络算法结合，并进行基于类间方差最大原则!!!

这是运动检测、 程序 与内置的 matlab 图像处理、、 alaram 它检测 th 议案的实时视频、、 如果议案检测到 alaram 上，，，当时 （注： 音频必须是.wav 格式)

此代码是《MATLAB图像处理实例详解》中第五章的教学实例，很有用，其中包括图像均值，标准差，等高线，还包括一些空间滤波器，频率滤波器（低通滤波器，高通滤波器，带阻滤波器，同态滤波器）。

可以实现多个目标的跟踪，但是有一定的缺陷，需要后期的改正，要弄清楚camshift的相关原理必须从MEANSHIFT着手了解，更多的是混合高斯与camshift结合这一块，程序比较复杂，需要对OPENCV有一定的认识和了解，所以特别是相关的函数，大家一定要清楚之后才可以调试，建议使用VS2010和opencv进行配置实现相关的功能

资源描述模板匹配是目标识别的基础，在目标图像中寻找与已知物体灰度一致性最大的区域，并识别出来

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

用高光谱数据对地物进行分类，分别用KNN算法（K—近邻）和GDA算法进行分类。 The main contents are as follows:             Introduce two kinds of classification algorithm -- K nearest neighbor and Gauss discriminant analysis.