霍夫曼与算术图像压缩解压

应用背景测试查看matlab中的三个显示函数 image,imshow,imagesc 的区别，首先讨论了图片的存储格式对图像处理、显示没有影响，然后通过对图像进行R、G、B分别显示，整合，直观地展示上述三个显示函数的差异，包含图像，可以直接运行展示关键技术R、G、B三通道分别显示、处理图像，适合于初学图像处理者，厘清基本问题，高手可以忽略

粒子滤波仿真程序，可以生成误差、跟踪结果等参数，是学习和写论文的好东西。如果感兴趣可以在他的基础上修改，进行不同形式的测试。里面包含基本粒子滤波、EKF、粒子滤波三者的比较，跟踪轨迹的比较，MAP及最大后验结果等图像仿真结果。

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。     假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：   （1）从输入图像的左上角(0,0)开始，切割一块(0,0)

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

RLE 压缩图形数据是一个自然的候选人。一种数字图像包含的小圆点称为的像素为单位）。每个像素可以是任何一位，指示一个黑色或白色的圆点或几个位，指示一个几种颜色或灰色底纹。我们假设像素为单位） 都存储在数组称为位图在内存中，因此该位图图像的输入的流。像素通常排列在位图中扫描线，所以 第一个位图像素点在左上角的图像，并最后一个像素是一个在右下角。 使用 RLE 图像压缩基于观察如果我们随机选择一个像素在图像中，有一个好的机会，它的邻居会有相同的颜色。压缩机因而扫描逐行寻找运行相同颜色的像素的位图。如果位图启动，例如，17 的白色像素，紧接着 1 黑色的那个，接着由 55 的白色部分，等等，只有数字 17、 1、 55、...需要在输出流写入。 压缩机假定该位图入手白色像素。如果这不是真的，然后该位图入手零白色像素为单位），并输出流应该

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。

加密和解密任何图像中，隐藏的重要信息和消息的任何文字

人工蜂群 （ABC） 算法由 Karaboga 最近发明是一种生物启发的优化算法，已被证明是一些常规的生物启发的算法，如遗传算法 （GA）、 差分进化 （DE） 和粒子群优化算法 （PSO） 的竞争力。然而，仍有不足在 ABC 算法 关于其解决方案搜索方程，是善于探索，但在剥削穷人。粒子群优化算法的启发，提出了改进的 ABC 算法由全球最好的 （gbest） 解决方案的信息纳入改善剥削的方程解搜索调用 gbest 指导 ABC （GABC） 算法。在一组数值的基准函数的测试实验结果表明 GABC 算法可以超越 ABC 算法在大多数实验。

目标检测的matlab代码，能在windows上运行，代码并不是个人原创，而是在别人基础上稍作修改，移植到windows平台中

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。