Hu矩计算与图像分类

国外牛人多目标跟踪matlab代码,含测试数据,论文.包含背景建模,目标跟踪,轨迹关联,预测等

在图像处理中，边缘检测是一个必要的步骤，如检测车辆直线和冬暖的边缘。 DOG和 （LOG） 拉普拉斯是高斯的边缘检测的好方法...... 这里是拉普拉斯高斯的代码，和它在 vs2010 编译

资源描述This software is intended for research purposes only.  All rights reserved.  Copyright rests with the authors. When using this software, please ackowledge the effort that went into development by referencing the following paper: A Hough Transform-Based Voting Framework for Action Recognition. A. Yao, J. Gall & L. Van Gool (CVPR 2010). Questions or comments concerning the code can be addressed to Angela Yao (yaoa@vision.ee.ethz.ch). The bulk of the code was developed from work detailed in the paper  Class-Specific Hough Forests for Object Detection. J. Gall and  V. Lempitsky (CVPR 2009) with code available here: http://www.vision.ee.ethz.ch/~gallju/projects/houghforest/houghforest.html =============================================================================== USAGE & NO

从Kinect beta（2013-07-05）拍摄的深度视频中提取DSTIP（时空兴趣点）和DCSF（局部长方体描述符）

OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#,Ch, Ruby的支持。本代码主要是展示，cvmat的一些基本操作。希望可以帮到大家。

利用Shearlet变换对多聚焦和医学图片进行分解，将分解得到的高频系数进行绝对值取大的规则进行融合，对得到的低频系数采用区域能量和区域方差加权融合的规则进行融合，之后进行shearlet反变换得到融合图像

中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值 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

源码描述： 一、源码特点       采用winform进行开发，上传、保存 二、功能介绍       本源码是一个数字图像处理源码，可以上传图片、保存图片、关闭程序 三、菜单功能     1、点击打开，通过路径选择图片上床     2、点击保存，选择路径，选择格式，保存图片     3、退出 四、注意事项     1、开发环境为Visual Studio 2010，使用.net 4.0开发。 作者：匿名

图像噪声的消除-----中值滤波和均值滤波，中值滤波是一种根据领域中各像素的值来决定中心像素值的大小的方法。均值滤波又称领域平均法，是一种简单的空域处理方法。构造一个能够进行均值、中值滤波处理的图像处理实验系统，包含对IMAQ Vision 的图像类型及定义方法，图像区域的开辟，对图像文件的读取、显示等操作。对中值滤波的实现的代码，还有对均值滤波的实现的代码。

资源描述自己在网上找的关于一些PCL常用的功能代码，函数，感觉挺有用的，特来分享给大家。具体有void compute_surface_normals，void visualize_normals，void visualize_pointcloud等函数可以直接拿来用