搜索资源列表
Hough-transform-standard-circle
- 利用图像变换中的霍夫变换，对图像进行检测，检测图像中的类似圆形或者椭圆的边缘，进行图像的特征识别。-Using the Hough transform in image transformation, the image is detected to detect the edge of a circle or ellipse in the image, and the feature recognition of the image is carried out.
ImgHOGFeature
- HOG特征计算，（1）将输入的彩图转换为灰度图； （2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰； （3）计算梯度；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。 （4）将梯度投影到单元的梯度方向；目的是为局部图像区域提供一个编码， （5）将所有单元格在块上进行归一化；归一化能够更进一步对光照、阴影和边缘进行压缩，通常，每个单元格由多个不同的块共享，但它的归一化是基于不同块的
canny_test
- 实现canny算子进行边缘提取，进行特征提取(Edge extraction based on Canny operator)
key
- 图像边缘是图像最基本特征，是图像局部持征不连续的直接反应，如图像的灰度变 化、纹理结构的突变等。(It's useful for image processing.)
Image acquisition
- 图像采集。测量是基于图像中物体所表现出来特征。图像处理算法通常利用图像中包含的信息进行分类，如边、面或形状。不同类型的机器视觉算法，影响并提取一种或多种信息。 边缘检测及其衍生技术，如耙子，同心耙，和辐条（rakes, concentric rakes, and spokes）用于图像中所表现出了边。他们可以精确地定位物体边缘的位置。可以使用边缘检测来进行部件宽度一类的测量， 这一技术被称为卡尺。也可以综合多条边来计算交点、投射、适合的园或椭圆。(Image acquisitionThe me
Desktop
- 测量是基于图像中物体的特征。图像处理算法通常使用图像中包含的信息进行分类，如边缘、表面或形状。不同类型的机器视觉算法影响和提取一个或多个信息。 边缘检测及其衍生技术，如同心的耙，耙，和辐条（耙、同心耙、和辐条）在球队中显示的图像。它们可以精确地定位物体边缘的位置。边缘检测可以用来测量一个分量的宽度，称为卡尺。还可以集成多个边来计算交点、投影、合适的果园或椭圆。(The measurement is based on the features of the object in the image
image recognition
- 分别采用有边缘和无边缘两类图像作为样本库，使用用Hu不变矩对图像进行特征提取，并使用K近邻分类法进行分类和识别。(Two types of images with edges and no edges are used as the sample library, the images are extracted using Hu invariant moments, and the images are classified and identified by K nearest neighb
设计模式14号
- 区域生长是一种很重要的图像分割方法。它是指从某个像素出发，比较相邻接像素的特征向量(包括灰度、边缘、纹理等特征)，在预先指定的准则下，若它们足够相似则作为同一区域合并，以此方式使相似特征的区域不断增长，最后形成分割图像。(segmentation; cut apart; break up; excision; comminute)
cornor_det
- 角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述，分析了相关的算法，并对各种检测算法给出了评价。(Corner is an important feature of image, which plays an important role in the understanding and analysis of image. This paper summarizes the corner detection algorith
图像融合算法
- 针对电气设备同一场景的红外与可见光图像间一致特征难以提取和匹配的问题，提出了一种基于斜率一致性的配准方法。首先通过数学形态学方法分别提取红外与可见光图像的边缘，得到粗边缘图像；然后通过SURF算法提取两幅边缘图像的特征点，根据正确的匹配点对之间斜率一致性的先验知识，进行特征点匹配；最后通过最小二乘法求得仿射变换模型参数并实现两幅图像的配准。实验结果表明，该方法有效提高了匹配点对的正确率，能够对电气设备红外和可见光图像实现高精度的配准。(In this paper, a method based
fft测试程序2
- 提取了一种手势识别的算法，通过皮肤颜色模型将手势分割出来，然后追踪其边缘，再通过傅里叶系统作为特征向量进行识别。识别率很高的。(A gesture recognition algorithm is extracted from the skin color model, then the gestures are segmented, then the edges are traced, and then the Fourier system is used as the feature vec
iris code
- 利用线性Hough变换和Canny边缘探测得到的所输入虹膜图像上各点的坐标，最终通过归一化产生一个虹膜的特征模板。(The coordinates of each point on the iris image are obtained by using the linear Hough transform and the Canny edge detection. Finally, a feature template of the iris is generated by the norma
lsd_1.6
- 数字图像处理算法，用于检测图像中可能存在的直线或线段特征，效果在某些情况下优与一般的边缘检测算法(A classical method of line detection, Detecting the line information in the image)
图像清晰度评价指标Matlab
- 图像清晰度评价函数说明 1、熵: 表示图像所包含的平均信息量的多少,嫡值越大则所含信息量越多。 文件名：entropy.m 结果：EN 2、交叉嫡：反映两幅图像的差异,交叉嫡越小,则融合图像和原图像的差别越小。 文件名：cross_entropy.m 结果：平均交叉嫡MCE，均方根交叉嫡RCE 3、峰值信噪比: PSNR越高,说明融合效果与质量越好。 文件名：psnr.m 结果：PSNR 4、Qabf: 评价边缘或梯度质量，越大边缘越明显 文件名：Qab
第6章 Copula理论及应用实例
- Copula一词原意为连接，它把多个随机变量的边缘分布连接在一起形成联合分布。变量间的相关结构完全由Copula决定，而各变量的统计特征由其边缘分布确定。与我们描述变量问相关关系常用的相关性相比，Copula描述的多元随机变量间的相关结构可以提供更准确的信息，目前Copula已经成为流行的多变量建模工具。(Copula is originally meant to connect the edge distributions of multiple random variables togeth
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)
FusionEvaluation
- 几种图像融合评价指标，AG,EN,FMI,MI,Qab,Qw,SF,SSIM，即平均梯度AG、信息熵EN、特征互信息FMI、互信息MI、边缘信息保持量Qab、加权融合质量评价因子Qw、空间频率SF和相似性指数SSIM。能较好的描述图像融合结果，稳定性较好。(Several evaluation indexes of image fusion, Ag, en, FMI, MI, qAB, QW, SF, SSIM, namely average gradient AG, information e