双域滤波

vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！vtk学习，不错的体绘制资料！

该代码实现了阴影去除，首先进行运动分割，感兴趣区域提取，最后实现阴影消除。阴影在许多实际情况中都存在，它的存在对我们进行一些判断和预测造成了麻烦和影响使判断不够准确，或者无法进行判断。所以进行阴影消除是非常有必要的。

机器学习算法代码，可以用于分词，图像识别，行为识别等 原版本只可以在32位xp下运行，经本人修改，适用于各种版本matlab windows   clear all useMex = 0; % Set this to 1 to use mex files to speed things up %% Generate Synthetic Data % Notes: %   - X is categorical, each element X(i,j) contains the value of feature j for word i, %       a value of "0" means ignore the feature for this training example %   - y is cateogircal, each element y(i) contains the label for word i %       a value of "0" indicates the position between sentences [X,y] = crfChain_genSynthetic; nWords = size(X,1); nStates = max(y); nFeatures = max(X); %% Initialize parameters and data structures [w,v_start,v_end,v] = crfChain_initWeights(nFeatures,nStates,"randn");%初始化参数为正太分布，w状态-特征，v状态-状态 featureStart = cumsum([1 nFeatu

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability

应用背景 针对各种游戏都可以使用的菜单，虽然不是太精美但是可以自己去修改修改，完全可以用 顶点缓存和索引缓存：IDirect3DVertexBuffer9 IDirect3DIndexBuffer          使用这两缓存而不是用数组来存储数据的原因是，缓存可以被放置在显存中，进行绘制时，使用显存中的数据将获得比使用系统内存中的数据快得多的绘制速度。          静态缓存(static buffer)：一般放置在显存中，不需要进行修改，比如地形和城市建筑等。静态缓存必须在程序初始化时用几何体的数据进行填充。          动态缓存(dynamic buffer)：一般放置在AGP存储区中，放置动态的内容。优点是更新速度相当快(快速的CPU写操作，方便修改)，缺点是处理速度慢，因为在绘制前数据必须传输到显存中。          对显存和AGP存储区进行读操作非常慢，所以，如果您需要程序运行时读取几何数据，最好在系统内存中保留一份副本，然后在需要时对其进行读操作。          Device->CreateVertexBuffer()          Device->CreateIndexBuffer(

应用背景可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多可以训练，数据很多关键技术人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多人头分类器训练数据，可以训练，数据很多

资源描述Camshift对目标进行跟踪，但是会出现跟踪偏移，结合卡尔曼滤波进行目标位置预测，并对位置进行校正，减少了目标的漂移。

本代码对图像进行灰度化处理后，提取特征值，然后近行阙值处理，这只是简单的处理，路径我是放在E盘，主要用了opencv的库函数，是一个入门级代码，第二个代码是手势识别代码，可同时处理10张图片

可以进行遥感影像处理，包括生成黑白、彩色直方图，并可以对影像进行指数、伽马、对数、扩展校正

中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值 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 打分 发表评论 暂无评论