搜索资源列表
imread
- 灰度图象的直方图均衡化；梯度；直方图规定化；灰度图象的直方图数据；灰度直接变换:增强对比度-gray image histogram equalization; Gradient; Histogram provisions; Gray image histogram data; Gray direct transformation : Enhanced Contrast
someImageProcessSourcecode
- 几种图像处理源码 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：
MATLAB图像处理源程序
- 程序代码说明 P0201：MATLAB赋值 P0202：MATLAB中的for循环 P0203：MATLAB中的for循环和if条件 P0205：MATLAB图像处理的基本操作 P0206：MATLAB高级图像处理操作 P0207：根据RGB图像创建一幅灰度图像 P0208：二值图像的取反操作 P0209：用imshow函数显示图像 P0210：在同一个窗口内显示两幅图像 2.rar (15.23k) 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0
hogcpluscplus
- 计算梯度直方图（HOG）的C++代码。可计算给定图片的HOG特征-Compute the gradient histogram (HOG) of C++ code. Calculate the characteristics of a given picture of the HOG
HOG
- 特征提取中，梯度方向直方图hog的几篇文章，研究HOG的同仁们很有用-Feature extraction, the gradient direction histogram hog several articles, research colleagues are useful HOG
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
learcode
- 行人检测源程序，居于svm技术。和梯度直方图提取-Pedestrian Detection source, living in SVM technology. And gradient histogram extraction
matlab
- P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运
HoGT
- 用于人体检测的经典HOG算法，基于梯度的直方图提取算法.-HOG Classic for human detection algorithm, based on the gradient of the histogram extraction algorithm.
edgeextracting
- matlab灰度图像的边缘提取：直方图均衡化，canny算子实现一阶偏微分，计算梯度幅值和方向-matlab Gray Image Edge Extraction: histogram equalization, canny realization of first-order partial differential operator, calculate the gradient magnitude and direction
human-recognition
- 基于方向梯度直方图和SVM的人体检测算法论文，NH格式-Gradient direction histogram and SVM based human detection algorithm thesis, NH format
HOGcode
- 在阅读过2005年的HOG论文后写的梯度方向直方图的代码-I wrote the code of HOG after I read the paper which name was Histograms of Oriented Gradients published at CPRV05.
3
- MATLAB的图像处理基础的资料\3 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
MATLABshiyongyuandaima
- 目录 1.图像反转 2 2.灰度线性变换 2 3.非线性变换 4 4.直方图均衡化 5 5. 线性平滑滤波器 6 6.中值滤波器 7 7.用Sobel算子和拉普拉斯对图像锐化： 8 8.梯度算子检测边缘 9 9.LOG算子检测边缘 11 10.Canny算子检测边 缘 12 11.边界跟踪 （bwtraceboundary函数） 13 12.Hough变换 14 13.直方图阈值法 16 14. 自动阈值法：Otsu法 18 15.膨胀
MATLABshiyongdaima1
- 目录 1.图像反转 2 2.灰度线性变换 2 3.非线性变换 4 4.直方图均衡化 5 5. 线性平滑滤波器 6 6.中值滤波器 7 7.用Sobel算子和拉普拉斯对图像锐化： 8 8.梯度算子检测边缘 9 9.LOG算子检测边缘 11 10.Canny算子检测边 缘 12 11.边界跟踪 （bwtraceboundary函数） 13 12.Hough变换 14 13.直方图阈值法 16 14. 自动阈值法：Otsu法 18 15.膨胀
GetEdgeHistogram
- matlab编写的图像边缘直方图提取程序，最后结果包含了归一化边缘梯度直方图（矩阵第-行），相应量化区间均值（矩阵第二行），相应量化区间均方差（第三行），具体见从程序，有注释-write histogram matlab image edge extraction procedures, the final result contains a normalized edge gradient histogram (Matrix- line), corresponding quantization
Histogram-OrientedGradient
- HOG（Histogram of Oriented Gradient）方向梯度直方图，主要用来提取图像特征，最常用的是结合svm进行行人检测。-HOG (Histogram of Oriented Gradient) direction of the gradient histogram is mainly used to extract image features, the most commonly used is a combination of svm detect pedestria
texture-feature
- 从图片中提取四种不同纹理特征，包括gabor、灰度共生矩阵、灰度直方图、灰度梯度共生矩阵纹理特征。-Four different texture features extracted the image, including gabor, GLCM, histogram, GGCM texture.
ExHoG_CPP
- 这是这篇文章人类的检测二次分类的子空间扩展的梯度直方图，之前上传matlab版本，现在是c++版本-This is the article of human detection secondary classification of subspace expansion gradient histogram, before uploading matlab version, now is c++ version
HOG 代码.docx
- HOG 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子(The Histogram of Oriented Gradient (HOG) feature is a feature descr iptor used for object detection in computer vision and image processing.)