搜索资源列表
OpenGL 例程
- OPENGL的几个简单例子 分别从颜色 光照 简单纹理 几个方面做出了解释-OpenGL few simple examples from simple color light texture made several explanations
2005513151548
- 基于纹理特征和颜色直方图的内容图像检索源代码-Texture features based on color histogram and image retrieval of the contents of the source code
CBIR
- 用VC实现了基于内容的图像检索，支持基于颜色与纹理的检索。-Implement the CBIR by Visual C++,support methods based on color and texture.
615498514
- 表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义 本文将表面 缺损类型总结为结构缺损、几何缺损、颜色缺损和纹理缺损等几类，并进行特征分析。在此基础上，从基于灰度特征、形态特征、色度特征和纹理特征等几方面对表面缺损的图像检测方法进行综-Surface defect detection products to ensure the use of performance, integrity and security will be of great significance to t
color_texture
- 在用Mean-shift进行跟踪中，采用颜色与纹理相结合的特征空间-Mean-Shift using features of color combined with texture.
haralickFeatures
- 用matlab写的纹理特征参考《基于颜色空间和纹理特征的图像检索》-Matlab write with reference to the texture characteristics of " color space and texture-based Image Retrieval"
licencelocation
- 各种车牌定位算法，包括基于数学形态学、模板匹配、纹理、边缘检测和颜色特征等！-A variety of license plate location algorithm, including those based on mathematical morphology, template matching, texture, edge detection and color characteristics!
5611
- 提出了一种基于颜色和纹理的新的图像检索方法。该方法在HSV 颜色空间量化过程中,采用一种基于线 性隶属度的模糊量化方法,使量化结果更接近于人类感知 在提取分块主色的基础上引入一种颜色相邻矩阵,用于描 述颜色的相对空间分布情况,以提高对图像变形的鲁棒性 还加入图像的纹理信息,最后结合这些颜色和纹理特征进 行复合图像检索。实验表明,该方法能有效提高图像检索精度。- A new picture ret rieval algorithm based on color and texture
ImageThemeFilter
- 对图像进行分主题过滤。 根据给定的图像样本集，进行样本训练，提取多个颜色空间中的多种方式(颜色矩，纹理谱，直方图，肤色模型等)的得到图像特征集；对待过滤图像进行特征提取，向量匹配，进而实现图像分主题分类功能。-Sub-theme of the image filter. According to a given set of image samples to conduct the training samples to extract more color space in multipl
BasedoncontentImageSearchsystemdsignandimplmentati
- 该论文具有内容图像检索功能，根据颜色，形状，纹理以达到搜索的目的。熟练应用c++语言编译代码。-The paper has content image retrieval function, according to color, shape and texture to achieve the purpose of search. Proficient in code c++ compiler.
1212121
- 该论文具有图像检索功能，基于图像特征有形状，纹理，颜色等。运用c++语言构建搜索系统的基础，以达到功能全面的系统。-The paper has an image search function, image features are based on shape, texture, color and so on. Built using c++ language based search system to achieve full-featured system.
platelience
- 车牌识别系统一般包括车牌定位、车牌切分、字符识别三部分，而车牌定位是车牌识别系统的基础和前提，其准确与否直接影响着车牌识别的准确率。本文针对这一关键问题进行了研究，提取了车牌的颜色特征并结合其纹理特征、几何特征以及投影特征进行准确定位。采用HSV颜色模型，利用颜色空间距离相似度计算分割颜色；针对颜色分割后的图像，车牌区域内水平方向上具有的连续跳变的特征，采用行扫描法确定车牌的上下边界；车牌区域内垂直方向具有投影特征，采用垂直投影法确定车牌的左右边界；最后根据车牌的宽高比判断是否是真实的车牌域。实
exShader
- OSG结合GLSL，在一个立方体上贴纹理后，对其进行颜色校正，更改为已存在的查找表的颜色值，GLSL可以对纹理颜色值进行更改-OSG integration GLSL, posted in a cube texture is carried out after color correction, change the existing look-up table of color values, GLSL texture color values can be changed
imageclass
- 从互联网上找到的一个关于颜色，纹理，形状提取图像特征的源码-color texture shape detection,source and doc from the web
src
- 一个Java实现的基于内容的图像检索工具包，可用来提取图像的颜色特征、纹理特征（Gabor Filter）以及形状特征，并在此基础上判断图像相关性。-Java implementation of a content-based image retrieval toolkit, which can be used to extract the image' s color features, texture features (Gabor Filter), and shape feature
Image-match-selection
- 通过图像的Tamura纹理匹配与颜色直方图匹配来选择图像-through Tamura texture matching and color histogram matching to select the matching image
quyushengzhang1
- 区域生长（region growing）是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。-Region growing (region growing) is the pixel will become the group into a larger r
image-retrieval-technology-research
- 基于内容的图像检索技术的关键在于特征提取，是利用图像的颜色、形状、纹理、轮廓、对象的空间关系等客观独立的存在于图像中的基本视觉特征作为图像的索引，计算查询图像和目标图像的相似距离，按相似度匹配进行检索。综合国内外研究现状，可将基于内容的图像检索技术分为如下几种类型:基于颜色特征的检索、基于纹理特征的检索、基于形状及区域的检索、基于空间约束关系的检索。-Based on comparing various affine invariant regional basis, selection of
svmduotezhengfenge
- 采用支持向量机的方法，融合纹理 颜色等特征对彩色图像进行分割的小文章-Fusion method based on support vector machine, the texture features such as color of color image segmentation of small articles
Similarity detection
- 基于图像内容中的颜色和纹理特征能够实现对大量图片快速准确进行相似度检测(Based on the color and texture features of the image content, similarity detection can be carried out quickly and accurately for a large number of images)