LabVIEW是一种程序开发环境，由美国国家仪器（NI）公司研制开发，类似于C和BASIC开发环境，但是LabVIEW与其他计算机语言的显著区别是：其他计算机语言都是采用基于文本的语言产生代码，而LabVIEW使用的是图形化编辑语言G编写程序，产生的程序是框图的形式。

图像处理，图像的噪声去除，运用小波变换的matlab代码

本次试验推荐实现的三个自动白平衡算法：灰度世界法，完美反射法，动态阈值法。 1.灰度世界算法（Gray World)是以灰度世界假设为基础的,该假设认为对于一幅有着大量色彩变化的图像, R、 G、 B 三个分量的平均值趋于同一个灰度K。 2.原理：完美全反射理论（perfect Reflector）假设图像上最亮点就是白点，并以此白点为参考对图像进行自动白平衡,最亮点定义为R+G+B的最大值。从效果上看，该 算法应该比灰度世界的效果要好些，但是也还是受到Ratio这个参数的影像。特别是第二个图片，过高的Ration导致图片过于泛白。 3.同经典的一些算法相同，算法分为两个步骤：白点检测和白点调整。动态阈值的优点：1、该算法效果非常好；2、对块大小不太敏感，因此非常适合于自动化操作。

本程序主要是简单的图像分割程序，利用阈值法OTSU来实现图像分割，就是这个，就总是这个，这个方法可以比较准确的实现图像的分割，找到图像的最佳阈值

opencv基本阈值操作.rtf

通过Python对遥感影像数据进行处理，该数据中每一个像元包含有大量的参数计算值，通过阈值分类的方式，将影像区域内的像元按照不同参数数值的进行分类，形成主导因素分区。

% explain：计算主成分得分的马氏距离 % Dis_out——马氏距离输出 % erase_xuhao——异常样本的序号 % erase_N——异常点的总数 % data——输入数据，行为样本，列为特征 % weight——阈值调整权重系数，Threshold=mean(D)+weight*标准差 %lmd——前n个主成分对应的方差

倒数粗糙熵图像阈值化分割算法

本文呈现了软阈值函数的详细推导过程，有利于初学者快速掌握软阈值函数的算法，使其知其然，且知其所以然，少走弯路。

 文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进，一方面改进阈值公式，寻求最优的阈值，获取更好的边缘保护，从而达到图像原始信息完整性；另一方面通过优化阈值函数获得改进的阈值方法，提高小波系数阈值判断的准确性，获得更好的去噪效果。实验结果表明，与通常的方法相比较，能更好的去除数字图像噪声、保护图像边缘，获得更好的峰值信噪比、边缘保持指数和更好的视觉效果，达到去噪要求。