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
ParticleFilter-targettracking
- 使用粒子滤波方法对摄像头中手动选择区域进行跟踪，代码没有优化，跟踪效果一般，可以为初学者使用。(The particle filter method is used to track the manually selected area in the camera, the code is not optimized, the tracking effect is general, and it can be used by beginners.)
test_edge_detection
- 对图像首先进行3*3内核平滑降噪，然后使用Canny算子做边缘检测(First perform 3*3 kernel smooth noise reduction on the image, then use Canny operator for edge detection)
HSI与BGR互换
- 将一张影像的颜色通道进行HSI与BGR互换。(HSI and BGR are interchangeable.)
亮度和对比度调整
- 读取一张图像，通过鼠标调节图像的亮度和对比度。(Read an image and adjust the brightness and contrast of the image with the mouse.)
图像修复
- 获取一张影像，利用掩膜对图像进行修复操作。(Get an image and use the mask to repair the image.)
OpenCV入门教程
- opencv 入门教程pdf文档，适合初学者使用(learning opencv guides)
Hough
- 改进Hough变换实现图像纠偏算法，有一定的参考价值。(Improved Hough transform algorithm for image correction)
Chapter01
- 图片载入，VC++基本入门程序，简单易操作。(Picture loading, display, VC++ basic introductory program)