登录
首页 » 图像处理 » Otsu in opencv

Otsu in opencv

于 2022-05-08 发布 文件大小:1.97 MB
0 265
下载积分: 2 下载次数: 1

代码说明:

Otsu in opencv Otsu in opencv Otsu in opencv Otsu in opencv Otsu in opencv

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 直方图增强函数源文件
     LPBYTE lpSrc;   // 指向原图像的指针   long i,j;   //循环变量   int gray[256]; // 灰度计数  BYTE pixel; //像素值  LPBYTE lpDIBBits=m_pDib->GetData();//找到原图像的起始位置  LONG lWidth=m_pDib->GetWidth();    //获得原图像的宽度  LONG lHeight=m_pDib->GetHeight();  //获得原图像的高度  // 灰度计数变量初始化  memset(gray,0,sizeof(gray));  //逐个扫面图像中的像素点,进行灰度计数统计  for(j = 0; j
    2022-03-07 11:47:35下载
    积分:1
  • 数字图像处理源码
    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
    2022-01-26 01:50:18下载
    积分:1
  • 摄像头人脸识别
    代码是c++,调用opencv的库函数,基于opencv的分类器,调用训练好的xml文件,用于摄像头人脸识别,先获取视频的每一帧,然后扫描整个图片,确定人脸位置
    2023-03-06 22:40:03下载
    积分:1
  • SLIC 最经典的超像素算法 C++ 实现
    应用背景SLIC是Simple Linear Iterative Clustering的缩写,是一种基于聚类算法的超像素分割。它在CIELAB空间中使用聚类,由LAB颜色空间中的亮度分量L和两个颜色分量a,b以及像素坐标x,y共同构成的5维空间中执行的一个局部像素集合。图像色彩的信息和图像平面空间几乎统一,以此这种新的距离度量就生成了结构紧凑、规则,并能够无缝隙的包含灰度及彩色图像。SLIC算法执行起来非常简单,容易在实践中应用,它只需一个参数即可。关键技术 SLIC不仅可以分割彩色图像,也可以兼容灰度图或位图,并且还能人为的设定超像素点的数量。 里面有导出的直接可执行的程序,也有详细的代码,用VS编写,系统32位,如果用64位需要更改vs配置,自行百度。
    2022-02-12 16:15:57下载
    积分:1
  • ffmpeg ios模拟器编译
    网上好多ffmpeg都需要自己编译,而且模拟器编译总是不过,这个是已经编译过的,我目前就在用,模拟器可以完美运行的。下载完成后直接把bin文件下的直接拖到工程中就行了。很方便。上传后方便以后使用。
    2022-08-22 02:08:22下载
    积分:1
  • 模糊聚类的图像分割
    通过模糊c-均值(FCM)聚类实现图像的分割。动态聚类方法的目的是把n个样本划分到c个类别中的一个,使各样本与其所在类均值的误差平方和最小
    2022-07-24 13:10:21下载
    积分:1
  • Stéréosopique color image coding
    2023-02-27 15:10:04下载
    积分:1
  • 实用的人脸识别算法
    资源描述应用图像处理就行人脸识别,通过调用opencv库进行处理。主要进行特征点提取。开发环境为Visio studio +opencv。用c++语言进行开发,程序简介简单,亲测好用
    2023-05-29 10:05:07下载
    积分:1
  • 一维码生成
    windows下用Qt做的一维码生成,含工程和源码。可由输入的数字,生成一维码标签的png图片。
    2022-07-27 13:35:48下载
    积分:1
  • 基于sift特征点的词包模型
    1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点,将从所有图像中得到的128维sift点进行聚类,类别数就是单词数,聚类中心就是单词,将得到的单词表保存下来。 2.对于每一张新的图像,先提取图像中的sift点,按照之前训练好的单词表将每个sift点对应成某个单词,统计在这幅图像中每种单词的数量,就是词包模型。 注意:生成的文件每行代表一幅图像,将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表,在运行bagofword生成单词包。
    2023-09-04 04:55:03下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载