搜索资源列表
VC_ImageProcessing
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容:第4章 图像增强(对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强);第5章 图像复原(逆滤波复原、维纳滤波方法);第6章 图像处理中的正交变换(傅立叶变换、离散余弦变换(DCT)、沃尔什变换、基于特征向量的变换、霍特林(Hotelling)变换、SVD变换、小波变换、Mallat算法);第7章 图像压缩编码(霍夫曼(Huffman)编码、算术编码、游程编码(Run Length Codin
SVDdenoise
- 用SVD算法实现图像滤波去噪处理,提高图像的信噪比。-SVD algorithm using image processing filter to improve image quality.
VCHUNDAN
- 第6章 图像处理中的正交变换(傅立叶变换、离散余弦变换(DCT)、沃尔什变换、基于特征向量的变换、霍特林(Hotelling)变换、SVD变换、小波变换、Mallat算法);第7章 图像压缩编码(霍夫曼(Huffman)编码、算术编码、游程编码(Run Length Coding)-image processing orthogonal transformation (Fourier transform, discrete cosine transform (DCT), Walsh transf
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集,有10万行源码,50个例程. 3D 数据, 3D 数据,地图集,原子符号,β函数的情节的旋转,校验扫描的图像, CAS 登记号码,图表,颜色选择, 常量和兑换率,轮廓绘制,化学结构,化学数据,化学公式,X分配,群聚,转换程序,曲线适合, 地理数据,基体,图解,目录,配给,矩阵标签, eigenvectors, F-分布, FFT( 快速傅里叶变换) 小圆点的决定因素的数据库, 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集,有10万行源码,50个例程. 3D 数据, 3D 数据,地图集,原子符号,β函数的情节的旋转,校验扫描的图像, CAS 登记号码,图表,颜色选择, 常量和兑换率,轮廓绘制,化学结构,化学数据,化学公式,X分配,群聚,转换程序,曲线适合, 地理数据,基体,图解,目录,配给,矩阵标签, eigenvectors, F-分布, FFT( 快速傅里叶变换) 小圆点的决定因素的数据库, 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集,有10万行源码,50个例程. 3D 数据, 3D 数据,地图集,原子符号,β函数的情节的旋转,校验扫描的图像, CAS 登记号码,图表,颜色选择, 常量和兑换率,轮廓绘制,化学结构,化学数据,化学公式,X分配,群聚,转换程序,曲线适合, 地理数据,基体,图解,目录,配给,矩阵标签, eigenvectors, F-分布, FFT( 快速傅里叶变换) 小圆点的决定因素的数据库, 先进先出
setup_guipack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集,有10万行源码,50个例程. 3D 数据, 3D 数据,地图集,原子符号,β函数的情节的旋转,校验扫描的图像, CAS 登记号码,图表,颜色选择, 常量和兑换率,轮廓绘制,化学结构,化学数据,化学公式,X分配,群聚,转换程序,曲线适合, 地理数据,基体,图解,目录,配给,矩阵标签, eigenvectors, F-分布, FFT( 快速傅里叶变换) 小圆点的决定因素的数据库, 先进先出
Image-Compression
- 一系列展示图像压缩技术的源代码。包括有:使用块截断编码的图像压缩(Block Truncation)、基于高斯金字塔变换的图像压缩(Gaussian Pyramids)、基于离散余弦变换对图像压缩(Discrete Cosine Transform)、基于奇异值分解(SVD)的图像压缩(Singular Value Decomposition)。给出的代码还可以用于2D图像噪声消除
exact_alm_rpca
- RPCA (Robust Principal Component Analysis)是目前用于矩阵填充、图像去噪的最有效的优化方法。该代码是求解RPCA的一种数值算法——Exact ALM(Exact Augmented Lagrange Multiplier)-The most basic form of the exact ALM function is [A, E] = exact_alm_rpca(D, λ), and that of the inexact ALM function i
pic_svd
- 一个图像的奇异值分解的matlab小程序-a program about image SVD with matlab
DWTandSVDWatermark002
- 这是一个数字图像处理应用之数字水印程序,开发工具是Matlab.所用算法是DWT和SVD-This is a image and signal processing program which is developed by Matlab with DWT.It s also called watermark.
215
- 基于小波域SVD的彩色图像自适应水印方案,作者:QQ 64134703 ,电子毕业设计,欢迎咨询 -Wavelet domain SVD-based color image adaptive watermarking scheme, the author: QQ 64134703, e-graduate design, please consult
xinxilun
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容:第4章 图像增强(对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强);第5章 图像复原(逆滤波复原、维纳滤波方法);第6章 图像处理中的正交变换(傅立叶变换、离散余弦变换(DCT)、沃尔什变换、基于特征向量的变换、霍特林(Hotelling)变换、SVD变换、小波变换、Mallat算法);第7章 图像压缩编码(霍夫曼(Huffman)编码、算术编码、游程编码(Run Length Codin
Image-compression-algorithm
- 一系列展示图像压缩技术的源代码。包括有:使用块截断编码的图像压缩(Block Truncation)、基于高斯金字塔变换的图像压缩(Gaussian Pyramids)、基于离散余弦变换对图像压缩(Discrete Cosine Transform)、基于奇异值分解(SVD)的图像压缩(Singular Value Decomposition)。给出的代码还可以用于2D图像噪声消除。-Series show the source code for image compression techno
KSVD
- K-SVD图像去噪,仿真结果为原图像,加噪图像,去噪图像和字典原子。(K-SVD image denoising, simulation results for the original image, add noise, image denoising and dictionary atoms.)
图像模式识别svd(奇异值分解)算法及图像相似度计算delphi源代码
- 图像模式识别svd(奇异值分解)算法及图像相似度计算delphi源代码-Calculate the image similarity
demo
- K-SVD图片去噪,直接运行其中quzao.m文件即可。(K-SVD image denoising, directly run the quzao.m file.)
SVD
- SVD奇异值分解做降维处理,主要用于降维处理,可用于图像压缩,数据融合等领域(SVD singular value decomposition (SVD) is used for dimensionality reduction, which is mainly used for dimensionality reduction, and can be applied to image compression, data fusion and other fields.)
Vc6_Image
- VC++图像处理及源码包(大全)包括下列内容:1.数字图像获取,处理及实践应用电子书 2.数字图像获取,处理及实践应用电子书分章节源码 3.书中提及的各种算法的综合源码。压缩包里面包括的算法代码有:分章节源码内容:内容:对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强;逆滤波复原、维纳滤波方法;傅立叶变换、离散余弦变换(DCT)、沃尔什变换、基于特征向量的变换、霍特林(Hotelling)变换、SVD变换、小波变换、Mallat算法;霍夫曼(Huffman)编码、算术
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