搜索资源列表
DistanceTransformationByMATLAB65
- 在MATLAB提供的距离变换函数的基础上，对二值BMP图像进行不同距离度量的距离变换，并给出变换效果。程序已经在MATLAB6.5上运行通过。
ImageSearch
- 基于内容的图像检索示例代码，给定一幅原图像，在图像数据库中根据与原图像之间相似度的大小，搜索与原图像最接近的若干幅图像。本程序相似度主要以两幅图像之间直方图的距离为衡量标准，对此内容感兴趣的同学可以在此基础上加入更多的相似度判别算法。
112233
- 在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方
22219011211120071115164509189959
- SUSAN算子用于角点检测的基本步骤： 1） 对于感兴趣的每个象素点（一般的情况就是图像中的每个象素点）作用一圆模板； 2） 根据亮度比较函数计算圆模板中的USAN区域； 3） 根据几何阈值，计算象素点的初始响应； 4） 使用USAN重心与核中心的距离法则去除伪角点，使用USAN重心与核中心的连线上的每个点都必须在USAN区域来保证算法的一致性（即USAN区域的相连性） 5） 对每个象素点的响应，使用 （或更大）的窗口搜索局部极大值，进行非极大值抑制
iris1
- 提出一种基于多纹理特征融合的新颖虹膜识别方法。该方法对虹膜图像做Gabor 小波变换 提取不同分辨力不同方向下的纹理特征作为虹膜的全局特征，在滤波后的子窗口图像上运用灰度 级共现矩阵(COM)提取虹膜的局部特征。通过加权欧几里德距离和最小距离分别对全局特征和局部 特征进行分类识别。
Touch_exe
- 该软件支持jpg，gif、png图片格式，大致有下列功能： V 0.1 版： 1. 图像放大、缩小、复制、打印、获取当前图像任意位置颜色信息。 2. 显示图像灰度直方图。 3. 灰度统计：图像宽度、高度、最小灰度、最大灰度、灰度均值 Mean、灰度方差 Variance、标准差、偏态 Skewness、峰度系数 Kurtosis、熵 (Entropy)。 4. RGB三原色分离、RGB图转灰度图、灰度均衡、图像可调阈值二值化、图像反色。 5. 图像可调阈值边缘检测：Rob
Reconstruct
- 车载摄像头二维图像三维重建的源代码，能重建车辆前方道路上像素点距离车头中心点的距离，角度。-failed to translate
findkeypoint
- 摘要：拐点是数字图像中的一个重要信息载体 提出一种新的拐点检测算法 该算法并非寻找连续空间中曲率的离散近似计算方法，而是源于离散曲线的外观特征，推导出离散曲线上拐点处k个点对间欧氏距离平方和局部最小这一重要性质。基于该性质，本算法首先利用Freeman链码的性质.过滤掉物体边界上明显不可能成为拐点的象素，然后在剩余的边界点中通过寻找该局部最小值定位出拐点。给出了本算法与四种著名拐点检测算法的对比实验。 -Abstract: The inflection point is a digital
40
- 近年来，随着互联网的高速发展，网上的多媒体信息也急剧增加，这些多媒体信息以图像为主。如何从浩瀚的图像数据库中快速、准确地找出所需要的图像，己成为一个备受关注的研究课题。有效地组织、管理和检索大规模的图像数据成为迫切需要解决的问题。于是基于内容的图像检索(Content-Based Image Retrieval: CBIR)作为一个崭新的研究领域出现了。 本课题拟研究、分析彩色图像红、绿、蓝三基色直方图的生成、特征提取和相似度等问题，应用图像的颜色信息—三基色直方图对图像进行检索。针对基于颜
mySnake-2
- 在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方
mySnake-2
- 基于动态轮廓模型的虹膜定位.在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位
SVM_FACE
- 基于支持向量机的人脸检测训练集增强算法实现。根据支持向量机(support vector machine，简称SVM)~ ，对基于边界的分类算"~(geometric approach)~ 言，类别边界附近的样本通常比其他样本包含有更多的分类信息．基于这一基本思路，以人脸检测问题为例．探讨了 对给定训练样本集进行边界增强的问题，并为此而提出了一种基于支持向量机和改进的非线性精简集算法 IRS(improved reduced set)的训练集边界样本增强算法，用以扩大-91l练集并改
MatlabCodeForFaceDetecting
- 对于一个人脸库都在图像中能有确定的位置，比如，鼻子在图像的中心区距离上边沿和左边沿的距离一定。这就需要能用程序自动检测到人脸并定位。 -FOR FACE DETECTING
xdx
- 本文介绍的是基于类内最小距离的人耳识别，利用图像处理上的一些基本的预处理和特征提取与类内最小距离比较来达到识别的目的，通过在VC环境下运用C++和OPENCV进行编程，观察实现的效果。-ear recognition Based on the minimum distance
camera-calibration-
- 首先自制一张标定图片，用A4纸打印出来，设定距离，再设定标定棋盘的格子数目，如8×6，然后利用cvFindChessboardCorners找到棋盘在摄像头中的2D位置，这里cvFindChessboardCorners不太稳定，有时不能工作，也许需要图像增强处理。 计算实际的距离，应该是3D的距离。我设定为21.6毫米，既在A4纸上为两厘米。 再用cvCalibrateCamera2计算内参， 最后用cvUndistort2纠正图像的变形。 -First, a
Snake-model-bsegmentation-method
- 改进的T- Snake 算法首先在分水岭法中, 对相邻区域以其像素数、灰度均值和灰度方差定义距离, 并据其在图像上建立新的连通图, 以对图像过度分割而产生的一些过小区域合并 其次, 在模型跨边缘时, 利用已分割断层图像中模型内部区域的统计特征, 用区域生长法获取内点并重新参数化模型, 使模型不再跨边缘, 以保证模型形变到正确的边缘-Improved T-Snake algorithm first law in the watershed, the number of pixels in its
gvf-snake--hanhua
- 包含传统、球膨胀、gvf和距离模型，可以简单运用在2值图像上-Contains traditional ball expansion, gvf and distance model, you can simply use the binary image
lineinfo
- 对图像上的一组平行线段根据距离，角度，截距进行分组过滤，统计-The image of a group of parallel lines according to the distance, angle, intercept packet filtering, statistics
GLCM-OpenCV-master
- 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 Gray-level co-occurrence matrix from an image 图像的灰度共生矩阵(Because the texture is formed by the repeated appearance of the gray distribution in the
图像配准算法
- 1.SIFT得到两幅图像的匹配点对 2.通过RANSAC剔除外点，得到N对内点 3.利用DLT和SVD计算全局单应性 4.将源图划分网格，取网格中心点，计算每个中心点和源图上内点之间的欧式距离和权重 5.将权重放到DLT算法的A矩阵中，构建成新的W*A矩阵，重新SVD分解，自然就得到了当前网格的局部单应性矩阵 6.遍历每个网格，利用局部单应性矩阵映射到全景画布上，就得到了APAP变换后的源图 7.最后就是进行拼接线的加权融合