-
sift 文档论文和程序
SIFT,尺度不变特征转换(Scale-invariant feature transform,SIFT),是用于图像处理领域的一种描述子。这种描述具有尺度不变性,可在图像中检测出关键点。是一种局部描述子。
- 2022-01-24 13:31:07下载
- 积分:1
-
图像处理
资源描述
资源描述
C#写的图像处理程序,主要包括图像的去噪声,边缘探测,边缘剪裁,中值滤波,图像增强,图像旋转,放大,在图像上绘画,添加注释等
采用的大量算法,如拉普拉斯算子,sobel等
包中包含完整的源代码和debug版可执行文件,代码中使用了devExpress的pictureEdit控件,并对其进行了改进,添加了图片的逻辑坐标转换功能。
- 2022-03-14 18:40:39下载
- 积分:1
-
遗传算法MATLAB
% 下面举例说明遗传算法 %
% 求下列函数的最大值 %
% f(x)=10*sin(5x)+7*cos(4x) x∈[0,10] %
% 将 x 的值用一个10位的二值形式表示为二值问题,一个10位的二值数提供的分辨率是每为 (10-0)/(2^10-1)≈0.01 。 %
% 将变量域 [0,10] 离散化为二值域 [0,1023], x=0+10*b/1023, 其中 b 是 [0,1023] 中的一个二值数。 %
% %
%--------------------------------------------------------------------------------------------------------------%
%--------------------------------------------------------------------------------------------------------------%
% 编程
%----------------------------
- 2022-03-12 04:35:21下载
- 积分:1
-
识别上传的图片内的细胞(共8种不同的细胞)
识别上传的图片内的细胞(共8种不同的细胞),分别按不同类型分类统计个数。准确率95%以上。识别时间不超过一分钟。
1霉菌孢子:孢子有单个孢子(卵圆形)存在或有孢体分裂有共存的小体呈葫芦状
霉菌菌丝:大致呈长条丝状,菌丝体上有无性分裂的孢子,菌丝长短不一表面光滑,无核状物质存在
2.白细胞:细胞体呈圆形,直径10~15um,约为红细胞的2倍。细胞质丰富,胞体均布细小颗粒,细胞可为杆状核或者分叶核,细胞核形态多样
3.上皮细胞:细胞大而扁平,呈不规则形,核小,呈圆形或卵圆形包体表面光滑,无杆菌附着镜下图像显示为透光度较强与图片的底色近似
4. 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
- 2023-04-06 16:35:03下载
- 积分:1
-
使用 python 文档扫描仪图像
你看,扫描使用智能手机的文件可以被分解成三个简单的步骤:第1步:检测边缘。步骤2:使用在图像中的边缘以找出轮廓(轮廓)表示一张纸被扫描。步骤3:应用一个透视变换,以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块,它包含了方便功能调整大小,旋转,裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来,让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后,我们将使用NumPy的数值处理,argparse解析命令行参数,并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象,--image,这是路径包含我们要扫描的文档的图像。现在,我们有路径,我们的形象,我们可以继续前进步骤1:边缘检测。第61行执行翘曲改造。事实上,所有的繁重被four_point_transform函数处理。同样,你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform:第一个是我们的,我们装过盘原始图像(不是大小之一),第二个参数是代表文件,乘以调整大小比例的轮廓。所以,你可能会奇怪,为什么我们乘以调整比例是多少?我们乘了调整后的比率,因为我们进行边缘检测,发现轮廓高度= 500像素的调整后的图像上。然而,我们希望将原来的图像,而不是调整大小后的图像上执行扫描,从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象,我们再采取扭曲图像,将其转换为灰度和应用自适应阈值上线65-67。
- 2022-06-01 20:19:50下载
- 积分:1
-
OpenCV函数手册
本翻译是直接根据 OpenCV Beta 4.0 版本的用户手册翻译的,原文件是:
/doc/ref/opencvref_cv.htm, 可以从 SOURCEFORG 上面的
OpenCV 项目下载,也可以直接从 阿须数码 中下载:
http://www.assuredigit.com/incoming/sourcecode/opencv/chinese_docs/ref/open
cvref_cv.htm。
翻译中肯定有不少错误,另外也有些术语和原文语义理解不透导致翻译不准确或者错
误,也请有心人赐教。
图像处理、结构分析、运动分析和对象跟踪部分由R.Z.LIU 翻译,模式识别、照相机定
标与三维重建部分由H.M.ZHANG 翻译,全文由Y.C.WEI 统一修改校正。
- 2022-02-15 02:39:59下载
- 积分:1
-
运动目标跟踪检测
首先计算背景图像与当前帧图像介的差,然后对差分图像进行二值化和形态学滤波处理,并对所得结果进行区域连通性分析,当某一连通的区域的面积大于某一给定阈值时,则成为检测目标,并认为该区域就是目标的区域范围,就可以确定目标的最小外接矩形。目标跟踪模块已有两个基本实现的方法,但运用背景差分方法对图。像进行二值化和滤波的效果,还远没有达到独立、稳定的跟踪要求,必须尝试多种运动目标提取方法及滤波算法。
- 2022-02-15 08:12:12下载
- 积分:1
-
粒子滤波器视频对象跟踪
基于粒子滤波的目标跟踪。颜色直方图特征。参考资料 1。基于颜色的概率 Tracking2。基于颜色的自适应粒子 filter3。ECSE 626 项目: 基于颜色的自适应粒子 Filter4。关于在线非线性、 非高斯贝叶斯跟踪的微粒过滤器的教程
- 2022-01-25 17:28:54下载
- 积分:1
-
inage pixel read
以像素方式读取位图像并在windows中显示
- 2022-03-19 03:27:37下载
- 积分:1
-
K-means cluster
K-means cluster
用c++实现的,大家一起学习交流。
Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心;
Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止;
Step 3. 根据每个聚类对象的均值(中心对象),计算每个对象与这些中心对象的距离,并根据最小距离重新对相应对象进行划分;
Step 4. 重新计算每个(有变化)聚类的均值(中心对象)
k-means算法的工作过程说明如下:首先从n个数据对象任意选择
- 2022-03-15 01:58:19下载
- 积分:1