基于nios的ov7670图像采集系统

应用背景Sobel算子，Sobel算子或有时被称为费尔德曼Sobel滤波器，用于图像处理和计算机视觉，特别是在边缘检测算法，它创建一个图像强调边缘。它被命名后，欧文Sobel算子和加里费尔德曼，在斯坦福大学人工智能实验室的同事（帆）。它是与费尔德曼加里共同开发的航行。Sobel算子和费尔德曼在航行1968谈了一个“同性3X3图像梯度算子”的理念。关键技术操作者使用两3×3内核的卷积与原始图像计算的近似的衍生工具-一个水平的变化，和一个垂直。如果我们定义一个作为源图像，和GX，GY两图像各点的水平和垂直含有导数的近似值。

多种中值滤波器 (5 点交叉, 1x2, 1x3, 2x2, 3x3, 3x4, 4x4, 4x5, 5x5, 7x7) 来降低图像中的椒盐噪音。我还计算了 MSE 值来决定中值滤波器的质量并画出图形来表示 MSE 和中点

Dicom读取和信息获取 DicomImageViewerCode老外写的读取Dicom的代码，适合学习和研究。

彩色图像的尺寸增大，且去模糊。利用了RGB到HSI转换模型，对I分量进行操作，调用imresize函数。。。采用了各种4种典型的拉普拉斯算子模板，进行锐化，在进行平滑，。。。在恢复到RGB模型下。

opencv+vs2010，载入图像，再使用cvtcolor，将rgb转为gray，其中使用 3x3内核降噪 ，运行Canny算子  ， 阈值可以任意通过滑动条设置，使用 Canny算子输出边缘作为掩码显示原图像，可以看到不同阈值下的边缘图像

对输入的图像进行二维离散小波变换。使用 Daubechies 系列 1，并可通过看在.zip 文件中的 WD1.py 文件中定义下载的 WD1 模块验证。对不起，没有 README.txtThis 可用于图像处理应用程序如增强和特征提取

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。

本程序得先通过摄像机标定，获取内参矩阵和畸变系数矩阵，然后根据learning opencv 中的方法进行鸟瞰变换。其中有可执行的程序，和源代码

    自适应二值化能更好的将图像中的轮廓凸显出来，多边形拟合函数使轮廓易于匹配。

本源代码完全由本人编写并测试通过，保证可用。 可以将24位位图格式转换成16位的位图格式。 输入图片为24位位图格式，输出文件格式可以是16位位图格式。 输出格式可以是RGB555，也可以是RGB565格式。