这是我用Matlab的HDLCoder工具，然后结合Altera的CycloneII芯片FPGA视频图像开发平台仿真调试，这是最终版的源代码。
为省去大家纠结的痛苦，请注意：pixelin是像素输入；
x_in，y_in分别是像素点坐标位置；
clkenble是时钟使能；
width，height分别是图像的宽和高；
pixelout是输入像素点对应的均衡化因子，用它*255/(width*height)就是均衡化后的像素值；

利用形心计算公式，通过像素值遍历，求出形心

对直方图进行均衡化处理的源代码：把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
把给定图像的直方图分布改变成“均匀”分布直方图分布。

该控件继承QWidget,实现了左右上下四种形式的坐标轴控件。
可以设置固定间隔或自动选择间隔可以设置最小间隔开放一个槽来动态调整坐标轴的范围处理了边缘刻度的显示/*************************************************************************版权所有(C)2012-2015,liang1057@yahoo.com.cn类声明:坐标轴控件************************************************************************//**@brief坐标轴控件**@details坐标轴控件只有刻度和数字，数字可以隐藏(用来显示其他需要显示的刻度值)*/classuiAxis:publicQWidget{Q_OBJECTpublic:/**@brief坐标轴类型**@details坐标轴类型*/enumAXISTYPE{LEFT_AXIS=0,TOP_AXIS,RIGHT_AXIS,BOTTOM_AXIS};/**@brief构造函数*/uiAxis(AXISTYPEtype=BOTTOM_AXIS,QWidget*parent=0);/**@brief析构函数*/~uiAxis(void);/**@brief设置坐标轴的范围*/voidsetScop(doubleminValue,doublemaxValue);/**@brief获取坐标轴的范围*/voidgetScop(double&minValue,double&maxValue);/**@brief获取坐标轴的范围*/doublegetMinValue();doublegetMaxValue();/**@brief设置坐标轴的类型*/voidsetAxisType(AXISTYPEtype);/**@brief坐标轴的类型*/AXISTYPEgetAxisType();/**@brief设置最小刻度(小刻度的最小间隔)*/voidsetMinInterval(doublevalue);/**@brief设置自动间隔*/voidsetAutoScale(boolval=true);/**@brief设置固定间隔*/voidsetSettedScale(boolval=true);/**@brief设置坐标轴的绘制范围，像素值*/voidsetBoundary(intleft,intright,inttop,intbottom);voidgetBoundary(int&left,int&right,int&top,int&bottom);

读取一张图像的像素值，并将其保存到TXT文件中，用于后期的数据处理。

MATLAB代码，基于灰度在水平和竖直方向进行投影计算累计像素值，得到两条曲线，根据两条曲线可以进行图像配准。

均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。

一、实验目的1、掌握利用ffmpeg提取视频中关键帧2、掌握JPEG图像编码的原理和流程3、实现JPEG编码器和解码器并观察不同量化因子对图像质量的影响二、实验要求1、利用ffmpeg提取视频中的任意关键帧。
2、实现JPEG编码器，具体包括将所提取图像的RGB像素值转化为YCbCr或者YUV，对色度图像进行二次采样（subsampling4：2：0），对图像划分为8*8的像素块并进行DCT变换，进行量化。
3、实现JPEG解码器，包括对步骤1中的量化结果进行反量化，IDCT变换，增采样，完成转换并显示图像。
4、采用不同的质量因子，例如2，5，10，观察解码后图像的变化。
5、对关键结果进行截图并编辑程序说明文档。

本程序是采用混沌序列对图像进行加密，分两个步骤进行，首先是采用猫映射进行像素点位置置乱，然后再采用三维混沌系统进行像素值扩散。

线性光谱聚类（LSC）的超像素分割算法，该算法可以生成具有低计算成本的紧凑且均匀的超像素。
基本上，基于测量图像像素之间的颜色相似性和空间接近度的相似性度量，采用超像素分割的归一化切割公式。
然而，代替使用传统的基于特征的算法，我们使用核函数来近似相似性度量，导致将像素值和坐标明确映射到高维特征空间。
我们证明，通过适当地加权该特征空间中的每个点，加权K均值和归一化切割的目标函数共享相同的最佳点。
因此，通过在所提出的特征空间中迭代地应用简单的K均值聚类，可以优化归一化切割的成本函数。
LSC具有线性计算复杂性和高内存效率，并且能够保留图像的全局属性。
实验结果表明，LSC在图像分割中的几种常用评估度量方面表现出与现有技术的超像素分割算法相同或更好的性能。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。