对不同的图像的各个通道做直方图统计，并在同一幅图中画出他们不同通道的直方图

使用canny算子进行边缘检测，带有测试图片，其中包含已经编译好的部分代码，可以直接运行

opencv2.4.9+VS2010，使用帧间差分法或背景差分法检测出运动目标，对不同的连通区域做标记，并得出每个连通区域的直方图，通过直方图比较来跟踪特定目标，也可以用在车流量统计，参数可调，算法简单，耗时小，具有一定的可行性，目前对多个连通区域的直方图统计模块还未做好，希望同志们一起来交流学习。

图像平滑处理，主要是平滑算法，对于初学opencv实现的人来说是个很不错的例子。

资源描述    VisualC++数字图像处理技术详解 第一章 图像编程基础

嵌入式零树小波(EZW)算法是一种简单但非常有效的图像压缩算法,它可以将编码信息流中的位元按其重要性进行排序，进而可以对图像充分压缩。嵌入代码代表了一个能判断一个图像是否为“空白”图像的二进制序列。使用嵌入式编码算法,编码器可在任何一个点随时终止编码从而确保任务进度或任务失真度量的正确。同样的,对于一个码流,解码器可以在任意节点停止解码而且还能产生与原图相同的图像。EZW除了可以产生出一个完全嵌入式码流,其在标准测试图像上的压缩结果胜过几乎所已知的压缩算法。达到这种表现是因为这种技术不要求技术训练，不要求预先存储的表单，并且不需要先验知识。

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

多视点视频编码 （MVC） 是 2D 加 （mpeg-4 AVC) H.264 视频压缩标准的方法 （也称为 Delta 2D +） 三角洲开发共同努力的 MPEG/VCEG 使有效的编码序列从使用单一的视频流的多个摄像头同时拍摄的一项修正案[1]。

目的： 若要编写 2-D 卷积的 MATLAB 函数。 理论： 2-D 卷积可以通过矩阵乘法来执行。若要执行此操作，形成， 块矩阵 H0，H1 等从一个矩阵和阻止的 toeplitz 矩阵已形成 从块矩阵。其他矩阵是以列的形式写的。然后，乘法 之间块 toeplitz 矩阵和写在列矩阵形式将产生的结果 类似于二维卷积。 让大小的矩阵 x [m，n] M1X N1，M1 在哪里的行数，N1 矩阵的列数 x [m，n]。 .让大小的 h 矩阵 [m，n] 是 M2X N2，M2 在哪里的行数和 N2 是 [m，n] 的 h 矩阵的列数。 由 y(m,n) 表示卷积 x(m,n) 和 h(m,n) 之间 在哪里 y(m,n) = x(m,n) * h(m,n) 矩阵 y [m，n] 的大小是 M3X N3，哪里 M3 = M1 + M2-1 和 N3 = N1 + N2-1 如果 A 是块 toeplitz 的 matri x(m,n)，然后 h(m,n) 和输入的线性卷积 由给出 x(m,n) y = Ax 最后重新排列 y 以获取输出响应的元素。

此源代码告诉如何隐藏进程的文本可以采取数字输入图像的地方使用过程中的数字图像隐写术，所以然后可以适当地隐藏内容。