基于 QT 图形界面，使用 Pulse Coupled Neural Network(PCNN) 算法对图像进行量化，最后移植到 Mini2440(ARM9) 嵌入式平台。
PCNN 是脉冲耦合神经网络模型，具有很好的同步脉冲发放特性。同时对于图像来说，产生的时间序列脉冲不受图像旋转、放大、缩小影响，这个性质可以用来减少图像处理中的几何变换，也可以用来提取图像特征。从 2-D 图像到 1-D 时间序列脉冲，这实质上就是降维。
.
├── cameraman.bmp #测试图片
├── main.cpp
├── quantizer.cpp #主要的类
├── quantizer.h
├── Quantizer.pro
├── Quantizer.pro.user
├── quantizer.ui #UI界面
├── utils.cpp #算法和工具类
└── utils.h
在 utils.cpp 中实现了下列方法，主要是参数计算和格式转换。
QImage RGBtoGray(QImage image); //QT 中 RGB 图片转换为灰度图
double** QImagetoArray(QImage image); //QT QImage 类型转换为二维数组形式，便于后续处理
QImage arraytoQImage(double** array); //二维数组转换为 QT QImage 类型，便于显示图形
double caculateStd2(double **image); //计算二维矩阵标准差
int caculateGraythresh(double** image); //计算直方图最佳阈值
dynamicParameter caculatePCNNParameters(double** image); //计算 PCNN 动态参数
void caculateConv2(double image[][WID], double filter[][3]); //计算矩阵和算子的卷积
double** allocateHeap(int rows, int cols); //给二维数组分配堆内存
void releaseHeap(double** A, int rows); //释放堆内存
double** PCNNQuantize(double** image); //对图像进行量化
