搜索资源列表
数字图象处理算法的演示
- 数字图象处理算法的演示， • 图象的DFT和逆DFT • 图象的FFT和逆FFT • 在图象中加入正弦噪声 • 图象的模板运算实现图象平滑和锐化 • 图象的直方图均衡化 • 图象的对比度拉伸 • 图象的中值滤波 • 图象灰度直方图的显示 • 若干频域滤波器 • 图象的镜像 • 图象的旋转（90度与任意角度） • 图象的放缩 &
dsphomework1
- 数字信号处理的应用之一是从含有加性噪声的信号中去除噪声。现有被噪声污染的信号x[k]=s[k]+d[k],式中： 为原始信号d[k]为均匀分布的白噪声。 （1）分别产生50点的序列s[k]和白噪声序列d[k],将二者叠加生成x[k],并在同一张图上绘出x0[k],d[k]和x[k]的序列波形。 （2）均值滤波可以有效去除叠加在低频信号上的噪声。已知3点滑动平均数字滤波器的单位脉冲响应为h[k]=[1,1,1 k=0,1,2],计算y[k]=x[k]*h[k],在同一张图上绘出前50点y[
imagedenoisingscalespace
- 在使用扩散过程平滑噪声之后引入反扩散过程来恢复边缘，结合尺度空间理论和反扩散函数对图像进行去噪处理。该方法使用最小描述长度(MDI )准则自适应地选择图像中每一点处的最优尺度对图像进行滤波。加入尺度范围限制降低了过平滑和欠平滑的影响。改进了反扩散函数模型，对降质图像中的边缘进行恢复。与经典的滤波方法以及各向异性扩散方程的结果相比。本文方法取得了较好的效果。
6morph
- 汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。图像平滑包括-car Edge Information has been concentrated in some of its high frequency, therefore, how to remove high-frequency interference at the same time, maintain the e
give_methods
- 高分辨率遥感图像的滤除噪声，实现遥感图像的滤波处理与实现-Filtering out noise through high resolution remote sensing image, filtering the remote sensing image processing and implementation
EigenFaces
- 通过运行结果，我们可以发现Roberts算子：边缘定位准，但是对噪声敏感。与用于边间明显且噪声较少的分割。 Prewitt算子：对噪声具有抑制作用，抑制噪声的原理是通过像素平均，但是像素平均相对于图像的低通滤波，所以对边缘的定位不如Roberts算子。 Sobel算子：它和Prewitt算子都是加权平均，但是sobel算子，-Face detection technology is a new biometric identification technology, is an impo
Digital-Image-Processing
- 有源码，适合学习C++的人 一、 读入一幅灰度图象，编写程序显示图象中任一象素点的灰度值。 二、 编程实现RGB彩色空间到HSV彩色空间的转换，并通过调整H、S、V的值实现图像亮度、色度和色饱和度的调节。 三、 1.灰度线性变换、分段线性变换 2.灰度直方图均衡、规格化 3.图象卷积：各种模板实现低通、高通滤波 4.图象中值滤波、最大值滤波、最小值滤波、模板选择滤波 5.伪彩色图象增强 四、 1.图象的加、减、乘、除和逻辑运算。 2.图象的镜像变换、图象的缩放