搜索资源列表
基于opencv2.2的大津法分割
- 基于opencv2.2的大津法分割，大津法是一种自适应的阈值分割方法，应用较广，按灰度特性，将图像分为背景和目标两部分，是二值化的图像。本代码需要先行安装opencv2.2-The Otsu method based opencv2.2 split, Otsu method is an adaptive thresholding method, used widely, according to the gray-scale features, the image is divided into
motion-tracking-and-implementation
- 目标跟踪是计算机视觉的一个重要分支,日益广泛应用于科学技术、国防安全、航空、医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整地分割目标、合理提取特征和准确地识别目标,同时,要考虑算法实现的时间,以保证实时性。当视频图像中被跟踪目标发生姿态变化,存在旋转或部分遮挡时,简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪目标的要求,出现误匹配或者跟踪丢失的情况,而且跟踪效率较低。Gary R.Bradski提出的CAMSHIFT[1](Continu-ously Adaptive
11_29Mor_threshold
- 在opencv的环境下，测试图像预处理结果，亮点是测试了对灰度图先进行形态学处理再阈值分割和先阈值分割再形态学的区别。-Opencv environment in the test image pre-processing the results, highlight the first test for morphological processing of gray-scale thresholding and then thresholding again before morpholog
2dOtsu-gradient
- 基于邻域灰度梯度的改进二维OTSU算法：在二维OTSU的方法上进行改进，将纵坐标改用像素点的灰度值与其邻域的平均灰度值的差的绝对值，分割图像。-Neighborhood-based two-dimensional gray-scale gradient improved OTSU algorithm: to improve on the two-dimensional OTSU method, the vertical axis instead of the absolute value of
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
Threshold
- 这是一个阈值分割的小例子，利用阈值分割把原始图片转化为二值图像和灰度图像。-This is a small example of a threshold segmentation using thresholding the original image is converted to binary and grayscale images.
Otsu方法
- opencv做的otsu方法,一、Otsu算法原理 Otsu算法（大津法或最大类间方差法）使用的是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。 所以可以在二值化的时候采用otsu算法来自动选取阈值进行二值化。otsu算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响。因此，使类间方差最大的分割意味着错分概率最小。 设t为设定的阈值。(otsu made