各向异性扩散方程在图像处理中的应用

指纹识别技术，目前最成熟的生物特征为基础的识别技术之一，可用于识别人类在各种场合

 图像的自适应魏纳滤波, 程序能够运行出正确的结果，希望对各位有帮助。 

使用图形方法能使图形设计更方便，并减少程序代码。用图形方法创建图形是在程序代码中进行的，绘图效果需在运行应用程序时才能看到。对于界面设计中的简单绘图，图形方法不能代替图形控件的作用。利 用以下方法可做出各种各样的图形，下面简单介绍这些图形方法的作用与使用方法。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

利用opencv 库函数bow类训练图片，提取surf特征点，用flann匹配，将特征点聚类成字典，设置每张图片的词典表示然后和要搜索的图片进行欧式距离计算，然后得到最近的那幅图即为要搜索的图片，

给定两幅图像，计算两幅图像间的差异，包括均值和方差的差异。

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

opencv 运动目标检测 帧差法 主要用帧差法将运动目标的轮廓进行提取，然后用矩形框将运动目标包围 ，再判定运动目标是否进入了所设置的警戒区域，从而进一步决定将运动目标包围的矩形框的颜色以区分是否进入警戒区域

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

应用背景 均值滤波器 采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声。领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。 几何均值滤波器所达到的平滑度可以与算术均值滤波器相比,但在滤波过程中会丢失更少的图象细节。 谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报 打分 发表评论 暂无评论