c++ kmeans算法图像分割

边缘检测是一个非常耗时的过程。这个项目的目的是比较并找出最佳域 （频率域或空间域） 的快速边缘检测，确定最佳的方法高斯差分 sobel） 的快速边缘检测。在 matlab 环境中编写此项目。测试结果简要地叙述了下面，在大小 512 × 512 图像上运行时。狗在索贝尔在频率域-0.128717 秒时间索贝尔在空间域-0.010328 秒频率域-0.150253 秒时间在空间域中的狗-0.045588 秒时间花费的时间

对源图像指定区域（通过矩形的左上角和右下角的坐标点指定）使用最小误差最佳阈值法，通过迭代获得该区域的最佳阈值。

分水岭分割算法，有细胞分割实例，程序可以直接运行，分水岭分割是将一幅图像看成一个拓扑地图，其中灰度值被认为是地形高度值，高灰度值对应山峰，地灰度值对应峡谷，分水岭分割就是在不同的灰度图中找出低水盆地和分水岭。

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

资源描述Verilog颜色空间转换RGB2YUV和YUV2RGB代码，做毕业设计的可以参考参考

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

对输入的图像进行二维离散小波变换。使用 Daubechies 系列 1，并可通过看在.zip 文件中的 WD1.py 文件中定义下载的 WD1 模块验证。对不起，没有 README.txtThis 可用于图像处理应用程序如增强和特征提取

行人跟踪一直是视频研究的一个重点问题，本代码御用kalman跟踪行人,再视频场景中检测到行人的存在，并用红色矩形框对行人进行跟踪，能较好的实现跟踪

模糊知识Builde转换的连续变量为其它连续变量。模糊决策者™转换离散理念融入到其它分立概念。例如，它使用未连接的目标和约束与未连接的替代品，以确定最有价值的替代方法。

小波变换的边缘检测是图像处理算法的重要组成部分。您可以手动选择你的形象，并运行该程序