DIPUM_toolbox_v1.1.3

用块匹配法求超分辨率复原中的运动矩阵!提出了一种快速，半像素的三步法！(Block-matching method using super-resolution recovery of movement in the matrix! Presents a fast, three-step half-pixel!)

说明：  Make_chaos 将图像进行置乱，生成乱序图，以便进行水印嵌入(Make_chaos will Scrambling images, generate disorder plans for embedding)

一种改进的对比度分割算法。对红外图像有很好的分割效果。(an improved contrast ratio segmentation algorithm. The infrared image segmentation is a good result.)

迭代收缩阈值算法和快速收缩阈值迭代算法求解Lasso问题(Iterative Shrinkage Thresholding Algorithm (ISTA) for LASSO problem)

自己编的特征选择程序，分别包括用顺序前进法(SFS),顺序后退法(SBS),增l 减r 法(l–r)、SFFS法进行选择的程序(own addendum to the feature selection procedures, including the use of sequential forward (SFS). back order (SBS), by reducing r l (l-r), SFFS method to choose the procedure)

利用该函数可以对图像进行仿射变换，是不错的matlab源代码(Function can make use of the image affine transformation, is a good source code matlab)

基于C#上的EMGUCV编写的SIFT算法的代码，自己修改匹配库的文件图片即可，支持显示SIFT的关键点(EMGUCV C# based on SIFT algorithm written in code, make changes to the document image to match the library, support the display of the key points SIFT)

实现对图像平滑模糊，有简单平滑、高斯模糊和中值滤波三种可选，基于OPenCV类库实现，代码可直接运行(Achieve a smooth blur the image, a simple smooth, Gaussian blur and median filtering three options, OPenCV-based library, the code can be run directly)

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()

基于Visual C++的图像边缘检测工程，以Canny为例(Visual C++-based image edge detection works to Canny Case)