登录
首页 » 图像处理 » 去隔行MELA算法的C语言实现

去隔行MELA算法的C语言实现

于 2022-07-04 发布 文件大小:528.71 kB
0 163
下载积分: 2 下载次数: 1

代码说明:

使用C语言编写的图像去隔行的程序,可以处理视频,输入为RAW文件。经多次实现,效果良好,当心使用。使用的MELA算法,即一种线性的领域插值方法,基于的事六邻域。MELA算法是对ELA算法的改进,效果有显著提高。可以作为参考,对初学者很有帮助。

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

  • LBP三种方法
    用C++实现LBP(一般、Uniform LBP、旋转不变LBP)
    2022-01-26 17:49:10下载
    积分:1
  • opencv 眼部和脸部检测
    opencv 眼部和脸部检测opencv eye and face detect
    2022-04-13 02:09:41下载
    积分:1
  • 二维码编解码
    功能介绍:    要将中文信息生成为二维码,使用了有源码的QRCode,但它默认不支持中文,在网上找到的办法,一般都是这样的:修改库QRCodeLib中的类QRCodeEncoder.cs 将public virtual Bitmap Encode(String content)里面的 return Encode(content, Encoding.Unicode); 修改为 return Encode(content, Encoding.GetEncoding("gb2312"));这样生成后,一部解码软件是可以解码的,但是像360的安全二维码就不行,我猜测它是使用了UTF-8来解码的。 因为中文编码有UTF-8和gb2312两种,于是上面的代码改为return Encode(content, Encoding.GetEncoding("UTF-8"));这样就比较完美了,360安全二维码能够识别了,其它软件也能识别了。
    2022-03-11 23:31:02下载
    积分:1
  • 小波变换增强
    图像增强是图像处理的一个重要分支,它对提高图像的质量起着重要的作用。它通过有选择地强调图像中某些信息而抑制另一些信息,以改善图像的视觉效果,将图像转换成一种更适合于人眼观察和计算机进行分析处理的形式。传统的方法在增强图像对比度的同时也会增强图像噪声,而小波变换是多尺度多分辨率的分解方式,可以将噪声和信号在不同尺度上分开,根据噪声分布的规律就可以达到图像增强的目的。
    2023-06-21 13:35:03下载
    积分:1
  • Tesseract Parsing and Feature Extraction for Metadata Extraction Training
    使用Tesseract for Metadata Extraction为扫描的文档图像提取以下内容
    2023-01-18 15:45:03下载
    积分:1
  • 文件夹实时监控源代码
    一个实时监控源代码,VB编写的,对有做实时监控的人来说非常实用!希望对大家有 用!
    2023-07-19 08:45:03下载
    积分:1
  • 基于VC++的系统
    程序都可以使用,图像处理的基本算法,如彩色图像灰度化,平滑去噪,锐化,分水岭分割,基于背景的目标检测,单目标跟踪多目标跟踪等都有实现。
    2022-01-26 05:09:37下载
    积分:1
  • 隐藏的马尔可夫模型
    此代码用于图像缩放,并计算峰值信噪比、信噪比、均方误差、结构相似性指数和mssim、熵
    2023-02-11 00:20:04下载
    积分:1
  • DS论融合算法
    非常好的DS证据理论算法代码,应用DS证据理论的融合算法进行图像分割,代码可用,无报错。有实例图像。
    2022-03-05 18:47:29下载
    积分:1
  • William T. Freeman大神经典的马尔科夫随机场超分辨影重建全部代码数据集论文和大神页面
        William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码,数据集,论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件,但是这个可直接运行,无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.
    2022-03-29 03:58:10下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载