搜索资源列表
Threshold-1
- 各种分割算法的实验 包括阈值分割，多阈值分割，二维最大熵分割等-various experiments, including the threshold segmentation, multi-threshold segmentation, 2D Maximum Entropy segmentation
leijianfangchafenge
- 基于组织的粒子群优化的最大类间方差图像多阈值分割
duoyuzhifenge
- 基于直方图的多阈值分割可以求出三个阈值，适合CT图像分割
SegmentationforImagesofVCH-F1BasednmprovedWatersed
- 针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点，提出一种能够有效消除局部极小值和噪声干扰的自动分割方法。首先比较彩色分量梯度图，选择分量图像的梯度信息，达到有效提取图像边缘信息的目的；然后提出基于多阈值分割的方法消除无效梯度信息；最后介绍了算法的步骤及结果。实验结果证明，通过该方法处理的梯度图像再进行分水岭算法处理，即使不进行区域合并也能达到很好的效果。
001
- 人体脑图像分割技术研究a. 对原始的二维医学图像进行滤波，封装成三维体数据。 b. 采用合适的多阈值分割方法得到合适的双阈值，对三维体数据进行二值处理，得到分割出的三维人脑图像。 c. 对得到的三维人脑二值图像进行数学形态学操作，并利用种子填充进行区域修整，得到较好的三维人脑分割结果，并给以三维显示。
FuzzyEntropyBasedPost-ProcessingMethodforC-MeanClu
- 提出了一种结合C2均值聚类算法和模糊熵的图像分割方法, 该方法先采用C2均值聚类算法对含噪图像进行初步分割, 再利用模糊熵准则作后续处理。该方法一方面能够继承C2均值聚类算法的优点, 可以灵活地用在基于多特征和多阈值的图像分割中, 另一方面充分考虑了图像的区域信息, 利用模糊熵最小作为准则, 对C2均值聚类算法初步分割结果的错分类点作了进一步的处理, 克服了C2均值聚类算法对噪声敏感的缺点。实验结果表明,本文方法在运算开销上只比C2均值聚类算法多4～ 6 s, 对于低信噪比的图像能够取得优于C2
threshold
- 关于阈值分割的多种算法及其应用。其中有多阈值分割法，自适应模糊阈值分割 及其一些在红外图片上的应用
bitplane
- bitplane.m 将灰度图像按位平面进行切割，切割为8个不同的图像，并显示。 erzhihua0 对灰度图像按迭代法求阈值，并进行图像分割。 imaverage 对多幅图像求平均以降低噪声。 imsoothmedian 用不同的模板对图像进行中值滤波。-Gray-scale image will be cut by the bit-plane, cut into eight different images, and displayed.
grid-segmentation
- 图像分割--用matlab实现图像的自动多阈值分割 -Image segmentation- Image by matlab automatic multi-threshold segmentation
multi-threshold-Otsu
- Otsu多阈值快速分割算法及其在彩色图像中的应用-Segmentation of multi-threshold Otsu algorithm and its application in color image
OPS
- 多阈值图像分类的粒子群优化算法，采用自然方法来提高优化速度和计算量-Multi-threshold image classification of the particle swarm optimization algorithm, using natural methods to improve the optimization speed and computation
ImprovedMultithresholdandDynamicBinarizationAlgori
- 文章在研究现有二值化算法的基础上对多阈值动态二值化进行了改进 并以身份证为例来验证该算法的有效性-Article in the study of existing binarization algorithm based on dynamic multi-threshold binarization improved and ID card as an example to verify the effectiveness of the algorithm
tuxintuizhifenge
- 针对类圆形堆积物图像的前景和背景在色彩或灰度上相近，难以用传统阈值分割等算法进行有效分割的问题，提出一种多方法融 合的类圆形堆积物图像区域分割策略。对图像进行滤波等一系列预分割处理后进行投影得到目标图像的外接矩形区域，以排除噪声的干扰， 在区域内采用改进的灰度共生矩阵方法进行粗分割，以解决窗口大小与分割精度的问题，采用二维OTSU 阈值分割方法对粗分割结果进行 量化。实验结果表明，该方法得到的区域分割结果边缘清晰、准确度高。-Round deposits for the prospe
Imageclass
- 实现图像关于多阈值分割、连通域、边缘检测的自定义类-It`s a class defined by yourself,which operate in the aspects of muli-threshold segmentation,connected domain,edge detection and so on
ex6new
- 序列图像多帧对比度增强和边缘检测，手动选择阈值-Multi-frame image sequence contrast enhancement and edge detection, manual selection threshold
liziqun
- 利用粒子群算法做的关于基于指数熵对数熵TSALLIS熵的多阈值的图像分割，内附无优化算法，可以做时间比较-Using particle swarm optimization to do on the entropy-based index of the number of entropy TSALLIS entropy of multi-threshold image segmentation, containing no optimization, can do more time
双峰法阈值分割
- 双峰法阈值分割。阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区
OTSU多阈值分割
- 一种改进的otsu算法，可以实现多阈值分割，可以自己设置阈值。(An improved Otsu algorithm which can achieve multi threshold segmentation and can set threshold yourself.)
matlab.thresholding-master
- 在计算机视觉中，图像分割是将图像分成多个片段的过程。这使我们能够通过以比原始图像更简单的表示方式来更好地分析图像。一种用于分割图像的方法是阈值分割；也就是说，将强度值低于阈值的所有像素设置为背景值，而将高于阈值的其他像素设置为前景值。最简单的阈值处理形式是对所有像素使用全局阈值，而自适应阈值处理根据像素及其周围环境动态改变阈值。典型地，阈值处理从灰度图像开始，并输出二进制图像以清晰地描绘图像中的片段。在本实验中，我们开发了一种自适应阈值算法，并将其与更简单的算法进行了比较。 此外，我们还开发了
OSTU
- 用OSTU和KSW实现多阈值图像分割，matlab代码(Image Segmentation Using OSTU and KSW)