搜索资源列表
linejd
- 函数实现了图像中单象素宽白色相交直线交点的检测.利用的是最简单的邻域中计算白点的个数的算法，当一个象素的window邻域中有四个邻域为白色的时候，该点即为交点。
边缘检测算法的基本步骤
- 边缘检测算法的基本步骤 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 （2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。 （3）检测。但在有些图象中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 （4）定位。精确确定边缘的位置。 Canny边缘检测算法 step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方
invariant_moment
- 摘要:提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术。利用Harris 角检测器获取图像中的兴趣点,计算 兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据 几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接。实验表明,该方法对平移以及任意角度 的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果。
chap3
- ch3_1_1：嵌套使用图像代数函数（§3.1.1） ch3_1_2：两幅图像相加（§3.1.2） ch3_1_3：图像与常数相加（§3.1.2） ch3_1_4：两幅图像相减（§3.1.3） ch3_1_5：两幅图像相乘（§3.1.4） ch3_1_6：图像除以常数(两幅图像相除)（§3.1.5） ch3_2_1：图像缩放（§3.2.2） ch3_2_2：图像旋转（§3.2.3） ch3_2_3：图像剪切（§3.2.4） ch3_2_4：生成和应用仿射变换（
TextureLBP
- LBP纹理特征提取算法。首先将检测窗口划分为16×16的小区域（cell），对于每个cell中的一个像素，将其环形邻域内的8个点（也可以是环形邻域多个点，如图 3‑ 4. 应用LBP算法的三个邻域示例所示）进行顺时针或逆时针的比较，如果中心像素值比该邻点大，则将邻点赋值为1，否则赋值为0，这样每个点都会获得一个8位二进制数（通常转换为十进制数）。然后计算每个cell的直方图，即每个数字（假定是十进制数）出现的频率（也就是一个关于每一个像素点是否比邻域内点大的一个二进制序列进行统计），然
kjlv
- matlab课程设计：空间滤波增强 空域滤波就是在图像空间中借助模板对图像进行邻域操作。输出图像中每一个像素的取值都是通过模板对输入像素相应邻域内的像素值进行计算得到的。学会并掌握使用matlab进行图像的空域滤波，设计用户界面实现上述功能。。 1、采用matlab Guide设计图像界面，可以读入并显示图像，设计实现以下功能的按钮，点击相应的按钮在图像界面上可以显示相应的功能。 2 首先对一副图像人为增加噪声（使用imnoise函数）； 3 对图像进行线性滤波； 4 对图像
Harris-Corner
- 针对Harris角点检测算法对T型和斜T型角点存在定位不准确以及运算速度慢的问题,提出了一种改进算法.改进算法计算目标像素点的8邻域范围内与之灰度相似的点的数目,然后对目标像素点周围其他像素点按同样方法处理,并对得到的计算数据进行比较,分析出局部范围内的像素点的灰度值分布.根据比较结果,从中遴选出部分像素点作为下一步角点检测的计算对象,并计算其角点响应函数值,如果角点响应函数值大于设定的阈值,该点则会被确定为最终的角点.实验结果表明:改进算法的角点检测时间仅为原算法的14.3 ,并实现了对T、斜
yizhongsuijiduotuoyuanjiancedekuaisusuanfa
- 针对多椭圆检测问题提出了一种快速随机检测算法。该算法利用在图像中随机采样到的一个边缘点和 局部搜索到的两个边缘点以及这三个点的邻域信息确定候选椭圆,再将候选椭圆变换为对应圆,通过确认真圆来确 认真椭圆。在确定候选椭圆时,最大限度地减少随机采样点数‰ 剔除更多的非椭圆点,降低了无效采样,减少了无效 计算。数值实验结果表明:该算法具有良好的鲁棒性,其检测速度比同类算法快-Ellipse detection problem for many a fast random detect
fractal
- 利用像素点的邻域计算图像中没一点的分型维数-fractal
300
- 了一种基于融合和广义高斯模型的遥感影像变化检测算法。该算法融合差值影像和比值影像的结 果构造差异影像，然后运用灰度形态学对差异影像进行顾及空间邻域关系的处理，再对处理后的结果运用广义高 斯分布模型估计变化与非变化像元的概率密度参数，最后采用改进的O2 算法计算最佳分割阈值，提取变化区域。 实验结果表明，所提出的变化检测算法稳健、高效，具有较大的实用价值。-0LDI TCTUG TGUIUNVI C MLCNEU WUVUMVD5N CTTG5CML 5X GUB5VU IUNIDNE
GUISUSAN
- 边缘是图像最基本的特征，是图像分割的第一步。经典的边缘检测方法如：Roberts，Sobel，Prewitt，Kirsch，Laplace等方法，基本都是对原始图像中象素的小邻域构造边缘检测算子，进行一阶微分或二阶微分运算，求得梯度最大值或二阶导数的过零点，最后选取适当的阀值提取边界。由于这些算法涉及梯度的运算，因此均存在对噪声敏感、计算量大等缺点。在实践中，发现SUSAN算法只基于对周边象素的灰度比较，完全不涉及梯度的运算，因此其抗噪声能力很强，运算量也比较小。并将SUSAN算法用于多类图像的
imhist2
- 计算灰度图像二维直方图的函数，可先设定邻域处理滤波器，带入函数中加以处理即可。具体参加函数help。-This function calculates the 2D-hist of a input gray-image. The filter used to process the image can be specified outside the function.
EyePos
- 最小邻域均值投影函数及其在眼睛定位算法.提出一种投影函数：最小邻域均值投影函数．该函数通过计算每条投影线上各像素点邻域均值的最小值 来跟踪图像中的低灰度特征．与传统的积分投影函数和方差投影函数相比，它以求最小值的局部选择性代替传统投 影函数的全局累加性，因此具有对片状噪声不敏感的特点、此外，在计算过程中，它还能记录最小值点的二维位置信 息，是一个二维的搜索算子、最小邻域均值投影函数的这些特点使其非常适合于眼睛定位．它对眼睛，特别是瞳孔，总 能够产生精确、鲁棒的响应通过在CAS—P
MARK_ImagePyramids
- SIFT图像特征提取的图像预处理步骤：构建图像构建高斯金字塔，相邻层相减得到DOG金字塔，在DOG金字塔3x3x3的邻域内寻找局部极值点，供进一步计算SIFT特征描述子使用。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。-SIFT image feature extraction image preprocessing steps: build image Gaussian pyramid, subtracting the adjacent
ImageBoundaryExtraction
- 该文件夹中有六个M文件，说明如下： boundary_extraction.m : 目标区域边界抽取主函数，其中调用ostu、four_neighbor、eight_neighbor、globe_graph otsu.m : 类判别分类法（otsu全局二值化算法） four_neighbor.m : 四邻域法边界抽取 eight_neighbor.m : 八邻域法边界抽取 globe_graph.m : 全局检测法边界抽取 area_peri.m : 目标区域
image-denoising-using-wavelet
- 该文件夹包括基于邻阈的小波图像去噪程序。主程序为wave_neighbor.m，实现3*3和5*5邻域去噪；wov_win.m为函数m文件，实现3*3和5*5的滑动窗口；cacupsnr.m为函数m文件，计算mse和psnr等。-This is about image denoising with the method of wavelet.It includes 3×3 and 5×5 neighborhood window.
noise
- 1. 用 butterworth和理想低通滤波器对受椒盐噪声和高斯噪声污染的图像进行平滑处理, 计算平滑前后的PSNR(峰值信噪比). 2. 用 3x3邻域平均平滑和3x3中值滤波对受椒盐噪声和高斯噪声污染的图像进行平滑处理, 计算平滑前后的PSNR(峰值信噪比). 3. 用 roberts算子和Laplace算子对一图像进行锐化处理, 得到其边缘二值图像.-Salt and pepper noise and Gaussian noise images with butterworth
Improved-cv
- 当红外图像中包含较强噪声时, C-V 模型水平集分割方法会产生大量冗余轮廓 同时, C-V 水平集采用偏 微分方程( PDE) 实现, 存在计算量大、分割速度慢的缺点。为此, 本文提出了改进的快速算法, 该算法保留了C-V 模型的全局优化特性, 并通过窗口滤波整合图像邻域空间信息来构建曲线进化的外部速度, 从而提高C-V 模型 的抗噪性并减少分割中产生的冗余轮廓 采用基于双链表的快速水平集算法来实现曲线的演化, 去除了传统算 法中的重新初始化和PDE 求解的过程, 减少了迭代步数
Connection
- 编程实现标记法提取目标（按8连通计算邻域）-The realization of the goal of programming extraction labeling (according to 8 connected computing neighborhood)
ZTSBSVM
- 算法提出了 一个新的部位观测模型和一种新的减小部位状态空间的方法：（1）对人体不同部位采用不同尺寸的细胞单元计算HOG特 征，并利用线性SVM进行分类，从而提出一种新的部位观测模型；（2）利用人体部位定位的先验分布确定部位定位区域，然 后通过邻域归并和设置与部位模板的匹配度阈值进一步减小状态空间，从而提出了一种减小部位状态空间的方法。仿真 实验结果表明所提算法与传统算法相比更加有效。-Algorithm proposed site of a new observation mod