-
Bresenham画线
Bresenham画线算图形学中最基础的知识了,可惜我并没有选修过图形学,所有还是有必要熟悉一下。上一篇用到的画线函数应该算是数值微分法,也是我最常用的一种方法,不过这种方法似乎并不是很好。这里的画线方法比上一种方法好。算法原理如下:过各行各列象素中心构造一组虚拟网格线。按直线从起点到终点的顺序计算直线与各垂直网格线的交点,然后确定该列象素中与此交点最近的象素。该算法的巧妙之处在于采用增量计算,使得对于每一列,只要检查一个误差项的符号,就可以确定该
- 2022-01-28 00:48:01下载
- 积分:1
-
Android仿WIN8磁贴效果
Android仿WIN8磁贴效果,原来的代码有问题,双击按钮会放大图片,并且产生两次事件。自己动手将以上两个Bug修复了,并改动了磁贴代码的拼写错误,加入一些自定义消息方便代码阅读。
- 2022-12-18 05:50:03下载
- 积分:1
-
运用6种算法进行肤色分割,基于opencv1.0+VC6.0
运用6种算法进行肤色分割,基于opencv1.0+VC6.0,包括RGB、GB,HSV、Otsu、YCbcr,效果很好,而且都是写成子函数的形式,调用方便。稍微修改下参数就能在环境中很好地检测手势和脸部区域。
- 2022-08-21 09:14:47下载
- 积分:1
-
视频前景检测
这是一个基于高斯背景建模的前景检测算法,效果还可以,不过摆脱不了高斯建模本身的缺点,那就是需要学习,需要有几帧视频来学习建模,得到背景。
- 2023-08-25 23:15:04下载
- 积分:1
-
基于vtk的DICOM二维切片序列显示
基于vtk的DICOM二维切片序列显示,用鼠标滚轮控制不同层切片的显示。-Based vtk of DICOM 2D slice sequence with the mouse wheel to control the display of the different layers of sliced
- 2022-02-04 19:19:32下载
- 积分:1
-
目标跟踪 opencv2.4.8 vs2010
基于视频的目标跟踪 ,在opencv2.4.8和vs2010开发,基于camshift算法,需要手动鼠标选取跟踪物体
- 2022-03-14 04:29:50下载
- 积分:1
-
Mpeg-4 编码器
Mpeg-4 视频编码程序, 使用 C 编写。 如果想了解 Mpeg-4,请查看此代码
- 2022-01-26 01:42:17下载
- 积分:1
-
使用蒸汽吞吐男人编码的图像压缩
函数代码 = huffman(p)
哈夫曼 %生成符号源变量长度的哈夫曼代码。
代码 %= HUFFMAN(P) 返回一个哈夫曼代码作为二进制字符串的单元格
%数组的代码输入的符号概率矢量体育在代码中的每个单词
%对应于其概率是在相应的指数符号
%的体育
%
%检查输入的参数的合理性。
error(nargchk(1,1,nargin)) ;
如果 (ndims(p) ~ = 2) | |(min(size(p)) > 1) | |~isreal(p) | |~isnumeric(p)
错误 ("P 必须是一个实数值向量") ;
结束
%全局变量生存所有递归函数 "makecode" 的
全局代码
CODE=cell(length(p),1) ;%Init 全球太阳能电池阵列
如果 length(p) > 1%时多个符号......
p = p/sum(p) ;%规范化输入的概率
s = reduce(p) ;%做哈夫曼源符号削减
makecode (s,[]) ;%以递归方式生成的代码
其他
代码 = {"1"};%其他、 微不足道的一个符号案例 !
结束
%……………………………………………………………….%
函数 s = reduce(p) ;
%在 MATLAB 的单元格结构中通过创建一个哈夫曼源减少树
减少 %执行源符号减少,直到只有两个
剩余的 %符号。
s = cell(length(p),1) ;
%生成符号节点 1 2、 3,开始树...到引用
%符号的概率。
为我 = 1:length(p)
s {i} = i ;
结束
同时 numel(s) > 2
[p,我] = sort(p);%排序符号概率
p(2) = p(1) + p(2) ;%合并
- 2022-07-04 14:42:09下载
- 积分:1
-
全景图像拼接
用VC6.0编写的图像拼接程序,能够将两幅有重叠的图像拼接成一整副图像,有360度全景的感觉,希望能给大家参考
- 2022-03-19 09:08:47下载
- 积分:1
-
edge detection and image segmentation system
This system is a low-level feature extraction tool that integrates confidence based edge detection [2] and mean shift based image segmentation [1]. It was developed by the Robust Image Understanding Laboratory at Rutgers University. For information about
- 2022-01-26 04:50:41下载
- 积分:1