使用ExtJS的图像校正

以下代码参考zongzong1113的程序，仅作了很小修改，只处理亮度分量，其实色度分量处理方式是一样的 涉及颜色空间转换，DCT变换，DPCM差分编码、量化、Zig_Zag扫描 该程序未采用Huffman熵编码

H264流直接封装到mp4文件， 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

上式表示，将ones(N,M)范围内的像素值依次排序，用第n个像素点的值代替该点的像素值，此种滤波器与中值滤波器一样不会使图像的边缘变的模糊，在滤除噪声的同时很好的保留了图像的边缘。之后，设定门限值，将掌纹图像转化为二值图像。由经验得到门限值应为15（或20）。对二值化后的图像先进行膨胀运算、再进行腐蚀运算，将得到的结果与原图像相减，图像上所剩的点即为角点。先膨胀运算，再腐蚀运算，SE表示在进行膨胀与腐蚀时所用的结构元素。SE的确定是此次角点检测的关键所在。SE的形状应与要检测的目标的形状相似。知要检测的目标的形状为弧形，所以SE的形状也应该为弧形。找到两角点的坐标，并将其旋转到一条垂直线上，旋转后的直线作为坐标系的纵坐标。在图像的中心位置切割大小为128*128的图像。这种方法切割出来的掌纹图像的旋转平移较小，而且算法简单，计算量小，比较实用。

应用背景对图像的像素分布情况进行初步分析，反应图像的灰度分布情况，灰度拉伸及灰度均衡的必要步骤，同时在图像分割中也具有重要意义。关键技术直方图显示程序，在vc6.0下基于mfc的直方图显示，直方图统计范围0-255，并且可以根据需要调节范围。本人调试过，完全可以运行。

应用背景用于仿真对前景区域的某个物体清晰显示，背景部分高斯模糊处理关键技术用于仿真对前景区域的某个物体清晰显示，背景部分高斯模糊处理，镜头在成像时，通常只会对处在对焦点所在平面的前后一定距离范围内的景物形成清晰地图像，而对焦外景物所成的像会发生模糊。这段清晰地成像范围称其为景深。借助与所拍摄场景图像相对应的深度图，可以模拟出景深效果

资源描述主要研究H263编码实现,完整的源代码程序，适合初学者参考学习。代码清晰有完成的VC+6工程代码。

&提出了一种基于Bernsen算法和支持向量机（SVM）的车牌识别方法；

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。

同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法，它依靠图像的照度/ 反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用这种方法可以使图像处理符合人眼对于亮度响应的非线性特性，避免了直接对图像进行傅立叶变换处理的失真。同态滤波的基本原理是：将像元灰度值看作是照度和反射率两个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。

简单的数字识别