1．全景图到穹景图
这个程序我最初是用FreeImage写的，这两天改成了matlab，再不贴上来，我就要忘了。
看到一篇文章有这样的变换，挺有意思的，就拿来试了一下，文章点此。
全景图到穹顶图变换，通俗的说就是将全景图首尾相接做成一个圆环的样子。
先看下面这张图：
下面的矩形就是我们要处理的全景图，上面的矩形是变换后的图像。下面图像的底边对应穹顶图的内圆，顶边对应穹顶图的外圆，当然，反过来也是可以的。
程序流程：
1.定义穹顶图内圆和外圆的半径，变换后的像素就填充在这个内外半径的圆环中。
2.遍历穹顶图，当所处理当前像素位于圆环内，则通过极坐标反变换去全景图中寻找相应位置的像素进行填充。
3.遍历完图像就行了。
用的技巧和图像旋转或放大缩小都是类似的。
处理结果：
原图：
结果：
matlab代码如下：
clear all;
clo all;
clc;
img=imread('pan.jpg');
imshow(img);
[m,n]=size(img);
r1=hero100; %内环半径
r2=r1+m; %外环半径
imgn=zeros(2*r2,2*r2);
[re_m,re_n]=size(imgn);
for y=1:re_m
for x=1:re_n
dis_x=x-re_n/2;
dis_y=y-re_m/2;
l=sqrt(dis_x^2+dis_y^2);
if l<=r2 && l>=r1
theta=0;
if y>re_m/2
theta=atan2(dis_y,dis_x);
end
if y<re_m/2
theta=pi+atan2(-dis_y,-dis_x);
end
if y==re_m/2
theta=atan2(dis_y,dis_x)+0.0001;
end
xx=ceil(n*theta/(2*pi));
yy=ceil(l-r1);
if yy>=1 && yy<=m && xx>=1 && xx<=n
imgn(y,x)=img(yy,xx);
end
end
end
end
figure;
imshow(imgn,[])
最后要说的是，一般我们要是有一张全景图，通常会用cubic英语口语对话映射，将图像变换为立方体的六个面，然后通过图形学方法贴到立方体上，就能做出类似谷歌街景的样子。cubic映射应该才是全景图最常用的处理方法，不过那又是另一类变换了。
2.GUI保存图像
% --- Executes on button press in pushbutton5.
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton5 (e GCBO)
% eventdata rerved - to be defined in a future version of MATLABpassword是什么意思
% handles structure with handles and ur data (e GUIDATA)
global src_img;
[filename,pathname] = uiputfile({'*.jpg';'*.bmp';'*.gif';'*.png';'*.tif'}, 'Write Pic');
str=[pathname filename];
if str~=0
imwrite(src_img,str);
end
3.GUI读入图像
% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (e GCBO)
% eventdata rerved - to be defined in a future version of MATLAB
% handles structure with handles and ur data (e GUIDATA)
[filename,pathname] = uigetfile({'*.*';'*.jpg';'*.bmp';'*.gif';'*.png';'*.tif'},'Read Pic');
str = [pathname filename];
global src_img;
if ~iqual([pathname,filename],[0,0])
src_img = imread(str);
axes(handles.axes1);
imshow(src_img);
end
4. GUI选项卡
1.在这个网址下载一个工具包，里面应该有四个文件：tablectionfcp.p、tablectionfcn.m、tabpanel.p和tabpanel.m，显然代码用.p格式进行加密了。
2.建立一个空GUI文件，就起名kong.fig吧。
3.在kong.fig上画一个Static Text，默认的tag为text1。
4.终端运行tabpanel('kong.fig','text1');命令，得到如下界面：
5.点击add panel就能添加选项卡了，如图：
6.选中不同的选项卡，点击edit，就能进入常见的GUItop是什么意思编辑模式：
7.编辑完保存下就行了，所有的功能都在kong.m文件中实现。注意，不同选项卡添加的组建时，tag会有重复，因此需要修改tag名。
8.终端输入kong就能得到如下结果：
5.krazy structure tensor结构张量
根据结构张量能区分图像的平坦区域、边缘区域与角点区域。
此算法也算是计算机科学最重要的32个算法之一了。链接的文章中此算法名称为Strukturtensor算法，不过我搜索了一下，Strukturtensor这个单词好像是德语，翻译过来就是structure tensor结构张量了。
angle是什么意思
此处所说的张量不是相对论或黎曼几何里的张量，黎曼几何的张量好多论文都叫张量场了。也不是数学界还没研究明白的对矩阵进行扩展的高阶张量，主要是张量分解。这里的结构张量就是一个矩阵，一个对图像像素进行组织的数据结构而已。
像素组织而成的矩阵如下：
这个公式太常见了，在harris角点检测中就用到了。其中Ix，Iy就是原对原图像在x和y方向求得的偏导。
然后求矩阵E的行列式K和迹H。然后根据K和H的关系就能区分图像的区域模式了。
模式分以下三类：
平坦区域：H=0;
边缘区域：H>0 && K=0;
角点区域：H>0 && K>0;
harris角点检测就用到了第三类判断。
当然，在实际应用的时候Hagnus dei和K的值肯定都不会是理想，所以我用的都是近似判断。
处理结果如下：
原图：
平坦区域：
边缘区域：
角点区域（好像也不全角点，求角点还是harris好了）：
结构张量行列式与迹的关系：
其中红框为平坦区域，黄框为边缘区域，铝框为角点区域。
matlab代码如下：
clear all; clo all; clc;
img=double(imread('lena.jpg'));
[m n]=size(img);
美文朗诵imshow(img,[])
[Ix Iy]=gradient(img);
Ix2=Ix.^2;
Iy2=Iy.^2;across和through的区别
Ixy=Ix.*Iy;
k=1;
lambda=zeros(m*n,2);
for i=1:m
for j=1:n
st=[Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)]; %结构张量
K=det(st); %求行列式
swallow
H=trace(st); %求迹
%所有的判断都是近似的
% if H<50 %认为是平坦区域
% if H>50 && abs(K)<0.01*10^(-9) %认为是边缘区域
if H>50 && abs(K)>0.01*10^(-9) %认为是角点区域
img(i,j)=255;
end
lambda(k,:)=[K H];
k=k+1;
end
end
figure;
plot(lambda(:,1),lambda(:,2),'.');
ylabel('trace');xlabel('det');
figure;
imshow(img,[])
6.模糊集图像增强
算法有很多变种。不过主要就是以下三步。
1.设计隶属度函数将图像从空间域变换到模糊集域。
2.设计模糊增强算子，在模糊集域对图像进行处理。
3.根据第1步的隶属度函数重新将图像从模糊集域变换到空间域。
这和频域处理中的变换反变换不是很像么。
我使用的隶属度函数和模糊增强算子在这篇论文里，也算相关算法的经典论文了。
处理结果如下：
原图：
模糊集增强后：
matlab代码如下：
clear all; clo all; clc;
