帧提取

图像拼接，从不同文件夹中按顺序选择小的图片拼成一个完整的图片，文件夹为16个，图片为16个小的图片组成

在肤色检测、人脸识别、图象和视频检索的研究中,大量算法都是基于对图象色彩特征进行分析的,然而当图象发生偏色时,这些算法的性能会明显下降,甚至无效,而且由于现有的偏色校正算法,引入了其他关于偏色图象的先验性信息,具有很大的使用局限性,为此,提出了一种在只给出偏色图象的条件下,进行偏色检测和自动校正的算法.该算法首先获取并分析偏色图象在RGB各通道内的直方图特征,然后参照这些特征检测偏色通道,并通过调整偏色或非偏色通道强度分布来达到各个通道之间色彩平衡.实验表明,在较大程度的偏色情况下,该算法校正恢复出的图象与原始无偏色图象能达到视觉上基本一致的效果,并具有普遍的适用性.

这一项目划分输入视频到其相应的帧......你可以冲浪在每一帧之间单独......编译使用处理

通过鼠标点击获得图像的像素坐标，有利于通过手动选择和检测图像处理的跟踪检测效果进行对比，是非常有用的辅助检验手段。

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。

这是对于在所撰写用matlab光学字符识别。这代码的一个例子。光学字符识别（OCR）的目标是光学图案分类（通常含有在数字图像）相对应的字母数字或其他字符。 OCR的过程包括几个步骤，包括分割，特征提取和分类。每这些步骤本身就是一个场，并简要介绍了这里的Matlab的背景下实现OCR的。

本压缩文件中是图像局部区域放大源代码，根据设置的框架，进行局部像素放大。类似放大镜功能。

结构相似度（ＳＳＩＭ）用于图像复原（去噪，去模糊，盲复原，修复）后的客观评价！该评价标准比较适合于纹理结构多的图像质量评价

四路LVDS转换信号，其中一路作为时钟信号，其他三路作为图像数据，转换成十六位并行输出

演示如何通过将另一个图像隐藏在某个位来对图像进行水印