图形二维显示

这个想法是开发一种算法，我们可以对水稻计数。使用边缘检测器是正确的方式去做。如果您下载并运行此代码，它将可能看到一个好结果的算法。享受它。

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS).粒子群优化算法是由Eberhart博士和kennedy博士发明。

采用滑动窗口及直方图来计算窗口内的中值，代替传统的排序求中值法，获得较高的算法执行速度。稍加修改阈值及首个窗口的目标取值就可以生成最大值、最小值滤波的算法，即对应于形态学中的膨胀与腐蚀。

我试着解决 http://imageprocessingplace.com/ 的第 5 章第四 quastions 参数化的维纳滤波（a） 实现在模糊式过滤器 (5.6-11)。（b） 模糊图像 5.26(a) 在 + 45-度方向使用 T = 1，如图 5.26(b) 所示。（c） 添加高斯噪声的 0 均值和方差的 10 个像素的模糊图像。（d） 还原图像使用式 (5.8-3) 给出的维纳滤波器参数。

OOL CVideoEXEDlg::OnInitDialog() { CDialog::OnInitDialog(); // Add "About..." menu item to system menu. // IDM_ABOUTBOX must be in the system command range. ASSERT((IDM_ABOUTBOX & 0xFFF0) == IDM_ABOUTBOX); ASSERT(IDM_ABOUTBOX < 0xF000); CMenu* pSysMenu = GetSystemMenu(FALSE);

2DPCA人脸识别的MATLAB源码，选用ORL人脸数据库，每个人脸前5张用于训练，后5张用于识别，完成之后可以识别效果。

应用背景图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。关键技术现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

静态场景下用于背景差分的背景建模，使用中值法构造背景，简单，高效，能快速构建出背景图像，已通过vc6.0和opencv1.0的测试，算法完整，易于后续的图像处理

不确定性下多传感器数据融合的dempster-shafer matlab工具箱

本软件参考了adobe公司的photoshop的部分图像处理功能，在编写效果代码时主要运用了矩阵运算，还有求平均值,求差值等方法。这个软件是针对pf24bit的位图，利用其每个像素点都包含3个字节的原理，对其3个字节进行数学运算来实现图像算法。另外适当添加了一些看图辅助功能，并结合delphi的 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