-
canny的改进算法
介绍传统边缘检测方法(Roberts, Sobel, Prewitt, LOG, Canny),针对传统Canny算法中的缺陷,提出一种基于自适应平滑滤波和3*3 领域梯度幅值计算方法的改进的Canny算法进行边缘检测,利用Matlab得出实验图像,并进行无噪声下各算子算法的对比,有噪声下各算法的对比,原始Canny算子和改进的Canny算子在无噪
- 2022-10-31 11:55:03下载
- 积分:1
-
多种遍历方法处理图像
本程序是在vs2010+opencv的平台上运行的,利用的是opencv2.4.9,C++写的,利用多种方法来遍历图像,例如通过创建迭代器的方法来遍历图像,通过指针的方法来遍历图像等方法来对图像进行处理。最后的得到的效果令人满意。
- 2023-07-11 08:55:03下载
- 积分:1
-
基于纹理的背景建模
本源码是基于《A texture-based method for modeling the background and detecting moving objects》一文实现的,该方法是基于图像中各个像素点的建模方法,提取的纹理特征的方法为LBP直方图,每个像素点的背景模型中包含K(一般为3或5)个LBP直方图,在后续处理中每来一帧时先进行前景检测,然后更新背景模型,如果当前像素点的LBP直方图和其背景模型中的任何一个直方图都不匹配时,就把权值最小的那个直方图替换成该像素点当前的直方图,并且设置其权值为一个很小的值,如果当前像素点的LBP直方图与其背景模型中的某一个最匹配时,就更新那个最匹配的直方图,并且更新其权值,背景模型中的其他直方图只更新权值。更新完之后进行权值归一化,根据权值大小进行排序。
- 2022-01-26 17:26:01下载
- 积分:1
-
SVM训练行人检测
使用HOG+SVM训练行人分类器,vs2008+opencv实现的工程,保证可以使用。样本图片由于太大,不好上传,大家可以在别处下载。代码简洁清晰,注释详细,是学习SVM和行人检测的很好的实例。
- 2022-11-13 18:25:07下载
- 积分:1
-
边界平滑应用局部线性回归matlab程序
资源描述应用canny对边界提取后,在应用局部线性回归对边界进行平滑,最终得到平滑边界,在和原图进行比对,适合初学者,程序简单,参数可以适当改变
- 2022-12-31 09:40:03下载
- 积分:1
-
图像编辑器
这是的 VB 代码
图像编辑在 vb.
编辑与改变的缩放、 旋转、 亮度、 对比度、 作物提供了便利
用户可以在红色 /Green/Blue 频谱或黑色和白色颜色窗体中查看图像
- 2022-05-26 22:10:36下载
- 积分:1
-
图像拼接matlab
本人亲测可用(基于matlab2010),速度稍慢,六张2760*1140的图片拼接大约十分钟能拼出来(笔记本,奔腾b980处理器,3g内存),接口处模糊,整体有畸变
- 2022-05-13 03:26:47下载
- 积分:1
-
Delphi文体与图象的打印
Delphi文体与图象的打印的控制,用于先择打印字体和对打印的图象在调整后输出打印结果。开发DELPHI程式时的打印报表可以使用此程式,将程式单元插入到你的项目中,即可编译使用
- 2022-03-23 01:02:51下载
- 积分:1
-
自动拼接
这是为 2 图像的拼接
自动拼图-自动缝 2 针图像在一起
画布是产生在画布的 2 张图片
行和 col 是起源的 2 张图片之间的偏移量
- 2022-01-26 05:03:52下载
- 积分:1
-
基于opencv的sift运动目标跟踪
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。
- 2023-06-24 03:30:06下载
- 积分:1