搜索资源列表
KmeansImageSegmentation
- 基于Opencv实现的k-means聚类图像分割算法，可自定义聚类个数，根据像素点的位置和颜色进行聚类
Kmeans
- 基于opencv的kmeans聚类实现 输入文本数据，进行聚类输出-Opencv-based clustering of kmeans the input text data, clustering output
kmeans
- k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。基于c++和opencv-This program gets an image and the desidered number of partitions and finds the means of the different classes and pro
Clustering-algorithm
- 聚类算法程序，VC编写，已编译通过，未调用opencv函数，可以用来学习聚类算法-Clustering algorithm, VC writing, compiled by, no call opencv function can be used to study clustering
MARK_Kmeans
- 使用k-means算法对一副RGB色彩空间的图像作简单的聚类。根据命令行提示输入聚类的大小K，程序自动计算每一个像素点的归属并着色该点为该类的色彩均值。工程运行于VS2008环境，需要OpenCV支持。Debug目下exe文件可以直接双击运行查看结果。-Using k-means algorithm on an RGB color space images to make a simple clustering. According to the command prompt enter the
k-means
- opencv k-meas 聚类分割，将图片分为2部分，主要针对道路特征-opencv ， cluster
CPPBuilder-photo-dector
- C 调用opencv，边缘检测，图像分割，插值拟合，聚类变换，图像修改-C call opencv, edge detection, image segmentation, interpolation fitting, clustering transform, image modification
GrabCut
- 实施GRABCUT源代码 由贾斯汀塔尔博特jtalbot@stanford.edu 。 放置在公共领域， 2010年 代码最后更新：2006年 弗拉基米尔·洛夫（ vnk@cs.cornell.edu ） ， 2001年使用GRAPHCUT实施。 要求： OpenGL的， GLUT和OpenCV的库来编译和运行。 用法： grabcut.exe <ppm文件名 使用鼠标拖动矩形围绕前景部分显示的图像。 然后使用下面的按键
GrabCut
- GrabCut实现源代码 贾斯廷·塔尔博特,jtalbot@stanford.edu 放置在公共领域,2010 代码最后更新,2006 使用Graphcut实现弗拉基米尔• 柯尔莫哥洛夫(vnk@cs.cornell.edu),2001。 要求:OpenGL,供过于求,OpenCV库来编译和运行。 用法:grabcut。 exe < ppm文件名> 使用鼠标拖动矩形在前台部分的显示图像。 然后使用以下键 1 :显示图像 “2”:显示
color_kmeans
- 使用opencv kmeans 进行颜色聚类-opencv kmeans
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
KmeansaFCM
- 在opencv环境下使用fuzzy c means和kmeans算法实现图片像素RGB值聚类，希望对大家有帮助-using fuzzy c means and k-means algorithm to realize the RGB image segmentation in opencv.
HarrisDetector
- Harris角点检测是一种经典的角点检测方法，该代码中包含 1.原始的直接调用OpenCV实现角点检测； 2.封装自定义类来改进角点检测； 3.实现了增加容忍距离解决特征点聚类是角点分布均匀-Harris corner detection is a classical corner detection method, the code contained 1. The original of directly calling OpenCV corner detection to
optical
- opencv写的基于光流法的运动人流分类，能够实现读取视频，实现金字塔光流法和HS光流法，最后对流动人群进行有效的聚类。-Opencv writing movement flow classification based on optical flow method, read the video, can be implemented to realize pyramid optical flow method and the HS optical flow method, finally,
1K_means
- 用K-means算法将点进行聚类，点以结构体的形式表示，opencv+vs2010跑通。-By K-means clustering algorithm point, the point structure in the form of representation, opencv+ vs2010 run through.
1EMalgorithm
- 利用期望最大化聚类算法，从txt文件中读如200+个点的坐标，并将这些点尽心聚类。开发环境为opencv+vs2010-Expectation Maximization clustering algorithm, txt file read coordinates 200+ points, and these points dedicated cluster. opencv+ vs2010
colorSignature
- 用openCV提取图片的象素值，用聚类进行分割，找出各个聚类的中心点，聚类个数是动态决定的，可重新设置个数最大上限。-OpenCV extract images using pixel value segmentation by clustering to identify the center of each cluster, clustering is a dynamic number of decisions can be re-set the upper limit of the num
KMkeen
- 基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础。图像分割属于图像处理中一种重要的图像分析技术。图像分割的基本方法是对灰度图像分割，处理图像的亮度分量，简单快速。本论文介绍了传统的图像分割与K-均值聚类算法分割，然后利用OpenCV函数将其实现，并介绍了OpenCV中图像分割相关的基本函数。-Based on the human visual image is segmented into several meaningful regions is the basis for
K_means
- K均值聚类算法 属于模式识别的一种基本算法 在此没有与opencv关联-K-means clustering algorithm A basic pattern recognition algorithm is not associated with this opencv
kmeas_cPP
- K-means聚类算法 依赖 Eigen和opencv-K-means clustering algorithm relies Eigen and opencv