wavelet based image enhacement

在本计画中，我们使用mean-shift演算法来追踪公共交通区域的人体轨迹。

应用背景本代码演示了如何检测一个特定的色，通过调整色调，饱和度，从跟踪栏值关键技术这个代码可以用来识别蓝天背景的白云

超分辨率的图形用户界面（SR-GUI）的开发，以允许用户在Matlab7.0提高降解的多帧图像。相比于其他视觉增强程序，SR-GUI的独特的方面是它的灵活性来处理不同的光照条件下拍摄的图像。我们的目的是隐藏结构的复杂性，并创造概念上简单的设计，使之人性化。

应用背景 适用于数码相机等手持设备拍摄到的字符图片实现图片左下角时间识别、图片中存在的较大字符区识别。 字符区字符数建议8个以上，如果要识别的字符数有变化，可对程序中一个对字数数进行筛选的参数进行修改即可。 关键技术关键点：如何在整个图片中搜寻到字符区的方法以及搜索到以后如何进行筛选出真正的目标区。

图像处理，利用数学形态学的知识对字符图像进行处理；字符图像的端点提取，以及交叉点提取，T型端点检测有待完善。字符细化效果不是很好。

能够提取图像边缘，并且输出边缘坐标。 使用时需要修改路径。

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。

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

使用C++语言实现raw格式图片转换为bmp格式文件 内含示例图片，lena.raw为输入，输出为lena.bmp，该程序将raw格式的图片文件转换为bmp格式的图片文件 *.bmp格式为图像处理常用图片格式，不同格式的图片，图片信息内容不同，像素的处理方式也不同，使用该程序可实现图片格式的转换。 主函数为raw2bmp.cpp，该程序快速高效。

应用背景本科毕业设计，题目为 《基于深度学习的车辆识别系统》。本代码为对图片的批量处理，将图片用opencv转换为文本数据形式。关键技术对图片进行批量转换，由于深度学习模式是对向量进行学习，本处代码主要为将指定文件夹内的图片全部转换为0~255间的数字组成的向量，并存到文本中