搜索资源列表
SpatialFiltering
- 本实验要求编写一个对图像进行空域滤波的程序，空域滤波技术根据功能主要分为平滑滤波与锐化滤波，平滑滤波能减弱或消除图像中的高频率分量而不影响低频分量。因为高频分量对应图像中的区域边缘等灰度值具有较大变化的部分，平滑滤波可将这些分量滤去减少局部灰度起伏，是图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声，或在提取较大目标前去除太小的细节或将目标的小间断连接起来。锐化滤波正好相反，实际应用中锐化滤波常用于增强被模糊的细节或目标的边缘。-err
ROFL2denoisingmodel
- ROF-L2去噪模型，可以有效的去除加性噪声-ROF-L2 denoising model
Matlab_Wavelet_Denoise_Compress
- 包括的多个示例源代码有：一维线性非线性近似、二维线性非线性近似、使用线性滤波过滤噪声、使用小波门限消除噪声、使用小波变换压缩一维信号、二维小波图像压缩等等。-Including the source code of a number of examples are: a linear one-dimensional non-linear approximation, nonlinear two-dimensional linear approximation, the use of linear
Facerecognition
- 人脸识别因其在安全验证系统、信用卡验证、医学、档案管理、视频会 议、人机交互、系统公安(罪犯识别等)等方面的巨大应用前景而越来越成为 当前模式识别和人工智能领域的一个研究热点。 本文提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确
ImageSmoothProcessing
- 图像平滑处理的一些常用功能，包括噪声消除方法/邻域平均法/中值滤波/产生噪声等功能-Image smoothing of some commonly used functions, including noise reduction methods/neighborhood average/median filtering/noise functions
SSSS
- 通过建立运动模糊数学模型, 进行了消除运动模糊的仿真实验, 维纳滤波恢复运动模糊图像效果较 好。在图像恢复技术中, 点扩展函数( PSF) 是影响图像恢复结果的关键因素, 所以常常利用先验知识和后验判 断方法估计PSF函数来恢复图像。实验表明在实际恢复过程中如果运动模糊图像混入了噪声, 必须考虑到信噪 比、噪声的自相关函数和原始图像的自相关函数对恢复后图像的影响。-Through the establishment of mathematical model of motion
work
- 图像消噪是图像预处理的主要任务之一，其作用是为了提高图像的信噪比，突出图像的期望特征。本函数利用小波变换消除噪声，具有较好的实验结果。-Image denoising is one of the main tasks of image pre-processing, its role is to enhance the image signal to noise ratio, highlighting the expectations of the image features. This fu
picture_process
- 对上载的原始图像进行消除噪声处理，并且输出平滑后的图像。-On the original images uploaded to eliminate noise processing, and the output smoothed image.
MATLAB_Wavelet
- MATLAB下小波变换的原理教程及示例 包括：一维线性非线性近似、二维线性非线性近似、使用线性滤波过滤噪声、使用小波门限消除噪声、使用小波变换压缩一维信号、二维小波图像压缩等等。-MATLAB wavelet transform under the principle of tutorials and examples include: one-dimensional linear non-linear approximation, two-dimensional linear non-line
imageprocessing_use_mid_filter
- 利用中值滤波进行数字图像处理，B从人眼的结构和视觉特性出发I研究了图像中噪声产生的机理和消除的方法L提出了利用 中值滤波法消除图像噪声的实用方法I对影响图像信号的不同噪声采用了不同的滤波方法I并对信号的频谱和滤波的效果进行了研究和分析M利用中值滤波法消除图像中的随机噪声是图像噪声处理的最佳方法-Median filtering using digital image processing, B from the structure of the human eye and visual ch
SyntheticMethodsfortheMedicalImageProcessingand3DR
- 医学图象处理及其三维重建是目前研究的热点问题，它涉及计算机图形学、数字图像处理计算机视觉、以及人机交互技术。 医学图像预处理与三维重建是可视化技术的核心环节，二者直接关系着三维可视化的效果和速度。本文介绍了灰度变换噪声消除以及 伪彩色编码等图像预处理技术。然后着重探讨了三维重建技术中的体绘制和面绘制算法以及这两种算法的优点和不足。最后总结了网格消减算法，并利用它对MC算法进行表面网格简化。 -Medical processing and 3D reconstruction is a
pca_idl
- 对整幅图片做PCA变换，提取光谱特征，消除噪声，平滑边缘，易主成分重新绘制图像-Pictures do the whole PCA transform, extract spectral features, remove noise, smooth edges, easy to re-draw the image principal component
FaceDetect
- 本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。 -The software is mainly used in image processing technology: l
RepairPic
- 单幅图像的消除噪声的图像处理~希望有帮助~-Single image of the image processing to eliminate noise ~ ~ hope that helps
MP1
- matlab connected component labeling & sizefilter 图像处理模块，用于对图像进行分块消除噪声-matlab sizefilter image processing module is used to eliminate noise
Sobel
- 摘要:本算法是在经典 Sobel算子基础上 ,结合汽车本身的实际情况 ,增加了 6个方向模板 ,同时利用基于 L范数的各同性扩散去噪模型消除噪声 ,最终得出汽车轮廓图。仿真结果表明:该算法对汽车图像的噪声干扰 有较强的抑制能力 ,汽车轮廓提取定位更准 ,精度更高 ,图像更清晰。 关键词:边缘检测算法 车辆轮廓 噪声 Sobel算子-摘要:本算法是在经典 Sobel算子基础上 ,结合汽车本身的实际情况 ,增加了 6个方向模板 ,同时利用基于 L范数的各同性扩散去噪模型消除噪声 ,最终得出汽
Sobel
- 本算法是在经典Sobel算子基础上,结合汽车本身的实际情况,增加了6个方向模板,同时利用基于L2 范数的各同性扩散去噪模型消除噪声,最终得出汽车轮廓图。仿真结果表明:该算法对汽车图像的噪声干扰 有较强的抑制能力,汽车轮廓提取定位更准,精度更高,图像更清晰。-This algorithm is the classical Sobel operator on the basis of the actual situation with the car itself, an increase
erasenoise
- 对图像消除进行平滑，消除噪声影响，利于观察-Smooth, eliminating the image to eliminate noise, conducive to observe
experiment7
- 对图像进行自适应中值滤波，消除噪声的影响-Adaptive median filter to eliminate noise on the image
Face-recognition
- 提出了基于24位彩色图像对人脸进行识别的方法，介绍的主要内容是图像处理，它在整个软件中占有极其重要的地位，图像处理的好坏直接影响着定位和识别的准确率。本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了