资源列表
GCApplication
- 简单地对图像进行图像切割，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。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。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。(Simple image cutting)
PIXEL
- 灰度变换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是为了改善画质，使图像的显示效果更加清晰。 图像的灰度变换处理是图像增强处理技术中的一种非常基础、直接的空间域图像处理方法，也是图像数字化软件和图像显示软件的一个重要组成部分。提取像素进行变化(Grayscale transformation is a method of changing the gray value of each pixel in a source image according to c
SALICY
- 显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。 抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭
Saliency
- 显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。(difference between the signif
Image transformation
- 彩色图转换灰度图，红绿蓝分量提取，图像的平滑，去噪等(Image transformation)
imnoise2
- matlab2015a.数字图像处理MATLAB 冈萨雷斯实例函数(IMNOISE2 Generates an array of random numbers with specified PDF)
processer
- 图片压缩,使用Java语言开发的压缩程序，简单易用(Picture compression, the compression program developed by Java language is simple and easy to use.)
高提升代码matlab
- 提升图像质量，数字图像处理，matlab语言，课下兴趣所写，希望能有帮助(High lift code.Enhance image quality, digital image processing, MATLAB language, writing under the interest of class, hoping to help you.)
BreakPlot
- matlab作图 截断y坐标画法 可以自定义截断y坐标范围(matlab code break y axis)
testfenge5
- 基于垂直投影方法的车牌字符分割，可以将车牌字符一一分割出来(The license plate character segmentation based on vertical projection method can separate the license plate characters one by one.)
VLPR-master
- 车辆识别等，基于OpenCV visual studio(vehicle detection OpenCV visual studio)
bscb
- 小范围破损修复 可运行 修复效果良好 利用拉普拉斯算子平滑(Small repair can run)