MATLAB图像分割

请编程实现：类：1. 创建图像类Image，实现构造函数，构造函数重载，拷贝构造函数，析构函数。2.实现对图像的读入，保存，显示。即实现函数Read，Show，Write。3.获取图像中某像素点的值。即实现函数At()。4.将图像中每点的像素值设为同样的值。即实现函数Set。5.同一个函数实现图像的上下翻转、左右翻转。即实现函数Flip。6.裁剪原图像指定区域内图像。7.求图像的均值，方差。8.图像的旋转，缩放。主函数中实现：9.创建Image类对象img。10.读入文件中的图像“fruits.jpg”,并显示。11.利用Image类的成员函数，对图像进行翻转、旋转，并显示。12.利用Image类的成员函数，将图像缩小到1/2大小，并显示；将图像放大2倍，并显示。13.利用拷贝构造函数，创建新的对象new_img。14.给定的两个点（Point）：左上点（top_left）和右下点（bottom_right），将此指定区域内的图像进行裁剪操作，并显示结果。15.求图像的所有像素点的均值和方差，并输出。

人脸检测，包括人脸眼睛检测。基于opencv，效果不错。以OpenCV 图像处理库为核心，以QT 库所提供的界面框架为基础，提出了人脸识别系统设计方案，实验证明本方案具有较好的实用性，可移植性。但仍有许多不足之处，如身份与表情识别部分可以通过引入神经网络或支持向量机SVM 进行分类，可以使识别准确率与识别种类数得到提高，这些也是后续工作中步需要改进的。

     在quarters ii 上的运行源程序，有关减法器的仿真波形展示。可根据波形来对减法器的功能进行详细的归纳。。如有不懂的地方可联系。。

利用 Matlab 实现基于阈值的图像分割方法，包含 Otsu 法、 最大熵、 聚类和其他方法的各种使用方法

依次读取指定文件内的图像，并对其进行特征点检测和提取，最终进行匹配。图像的检测、提取和匹配都分别以两种方法完成。一种方法参数为指针，图像特征点的检测和提取在opencv中可一步完成，另一种方法参数为向量，特征点检测提取分步执行。故以此为基础的特征匹配在opencv中也有两种实现方法。该算法对两种不同参数类型的方法进行测试，比较其耗时并记录测试信息

NAO机器人，利用视觉，opencv，实现服务机器人的水位识别功能。图像处理，包括灰度变换，二值化，滤波，光流法，计算像素点高度，确定水位比例等。

在图像中检测性趣点时，可以很好的定位，因为它位于两条边缘的交点处，它检测到的特征点可以用于视频跟踪应用中的优质特征集合。

应用霍夫曼与算数编码进行编码与解码进行图像的压缩与解压。基于C与OPENCV

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

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。