canny算子

此代码是图像的创建编辑和操纵系统的原型。算法所实现特定图像作进一步处理。反相、 灰度、 对比度、 阈值和颜色筛选器通常在此系统中根深蒂固。获取模糊、 锐化效果可以使用这一系统。通用图像处理选项如镜子 (上、 下、 左、 右） 和翻转 （垂直和水平） 也可使用。简单分割功能也包含在这种设计

应用背景本代码演示了如何检测一个特定的色，通过调整色调，饱和度，从跟踪栏值关键技术这个代码可以用来识别蓝天背景的白云

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

HIS彩色空间阈值分割方法    为了克服光照的影响，目前大部分侦测算法都先将图像由RGB彩色空间转换到HIS彩色空间，再进行彩色图像的分割。这是因为在HIS空间，色调(Hue)和色饱和度(Saturation)信号与亮度(Intensity)信号是分离的，利用色调信号和色饱和度信号进行分割，可完全消除光照的影响。其中N．Kehtarnavaz等人是在HIS彩色空问通过设定色调分量、饱和度分量的阈值范围，侦测出红色区域作为禁令标志的可能区域，得到的红色区域的阈值范围为3 sH≤56°，S>15，I

clear,clc,close all; % compute the background image Imzero = zeros(240,360,3); video=aviread("SampleVideo.avi"); Im = double(cat(4,video(1:2:end).cdata))/255;     clear video % Convert to RGB to GRAY SCALE image. nFrames = size(Im,4); Imzero  = Im(:,:,:,1); for i = 2:5 Imzero = Im(:,:,:,i)+Imzero; end Imback = Imzero

自适应立体匹配算法  是当前有效的处理立体匹配的算法  能到较好的视差图

用matlab去撰寫ssim,psnr的計算 是用ssim,psnr的定義去寫的，並非matlab內建指令

资源描述这是一个很好的基于ExtJS的Web应用程序来显示图像，从而为用户做放大、缩小、fitwindow和原始分辨率。

这些代码假定 UCF 图像格式 （不再使用） 中, 和 I/O 函数处理那个旧的格式是包含在软件包内。谁下载这些能感觉到自由地修改代码来写更多常用的图像格式。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。