多种遍历方法处理图像

这是一个从图像中提取直线特征的程序，已经达到了一个相对准确的效果，本程序利用的是hough算法，和canny算子，但是美中不足是，图像中的一些较短的直线不能准确的检测出来，所以还需要一定的改进，上传以备大家共享

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

应用背景背景主要为毕业设计，基于深度学习的车辆识别系统关键技术在深度学习中需要将大量图片转换为同样大小格式，此代码将大量图片转换为指定格式，在opencv2.4.9配置完成后即可直接使用，与上一篇内容衔接

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

应用背景蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。关键技术蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。

使用C++实现基本的图像处理功能，包括图像平移，图像旋转，图像镜像，图像缩放。还包括一些边缘检测的算法，有Robort边缘检测算子，Sobel边缘检测算子，Log边缘检测算子，以及基于MATLAB的傅里叶变换程序。比较实用，效果也很不错。

本文主要讲一些opencv 2.0版本后出现的Mat矩形类，主要是参考opencv自带doc文件夹下的tutiol教材。通过这次实验觉得用Mat的话下面几点需要特别注意（在代码中可以体现出来）：1. 利用create函数重新改变Mat数据在内存中的布局。 2. 注意多通道数据在Mat中其实也是占一个元素的位置的。 3. 学会多维Mat的创建方法。4. 当Mat矩阵比较小时，学会直接赋值的方法，即用Mat_。5. 掌握Mat矩阵内容输出到终端时的几种常见格式。6. 注意如果vector是单独一维的话需要转换成Mat才能输出，多维的可以直接输出，例如vector里面存放的是点的话。

该软件能实现对掌纹的纹理特征提取，使用的是灰度共生矩阵算法，把256色图像初始化为8个灰度级，步长取distance = 5;

自己一边学一边编的，有放大缩小还原功能的图形界面的图片浏览器，适合初学者继续开发完善。

应用背景飞行器空中拍摄。空中侦察，实时的图像传送和定位，用于飞行器的控制关键技术RGB检测技术、摄像头技术、stm32核心控制、fifo读取