搜索资源列表
Digital-image-processing
- 一 彩色图像灰度化 1 二 空域增强技术 2 2.1 直接灰度映射 2 2.1.1 图像求反(负片) 2 2.1.2 调用imadjust 2 2.1.2 动态范围压缩 3 2.1.3 灰度切分 4 2.1.4 位图切分 5 2.2 直方图变换 6 2.3 空域滤波 7 2.3.1平滑滤波 7 2.3.2锐化滤波 9 三 基本图像变换 11 四 频域图像增强 12 4.1 低通滤波 12 4.1.1 理想低通滤波 12 4.1
image-enchance
- 常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性,提出一种仿生图像增强法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度对数变换 并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯 模型来调整亮度图像的局部对比度 最后利用线性变换恢复图像的彩色信息.实验结果表明,该算法的增强效果良好,
Enhancement-Based-on-Visual-Property
- 常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整 体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞 感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度 对数变换 并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯 模型来调整亮度图像的局部对比度 最后利用线性变换恢复图像的彩色信息.实验结果表明,该
Gaussian-filter
- 1.图像直方图均衡化教程,实现对图像的对比度这增强处理,便于后续图像分割 2.对图像实现高斯高通滤波,并利用canny算法实现对边缘的提取-1 image histogram equalization tutorial to achieve the image contrast enhancement processing, easy to follow image segmentation 2 to achieve the image of Gauss high pass filter
canny-edge-detecction
- canny边缘检测,Canny 算法适用于不同的场合。它的参数允许根据不同实现的特定要求进行调整以识别不同的边缘特性。对于PC上的实时图像处理来说可能慢得无法使用,尤其是在使用大的高斯滤波器的情况下。但是,我们讨论计算能力的时候,也要考虑到随着处理器速度不断提升,有望在未来几年使得这不再成为一个问题。-canny edge detection, Canny algorithm is suitable for different occasions. It allows the parameter
openCV-Practicefh
- 人脸识别: 相关功能: 1.将图像转换为灰度显示 2.应用高斯滤波器去除小的边缘 3.计算与画布边缘 4.修改边缘颜色 5.将Mat转换为Xcode的UIImageView显示(Face recognition: Related functions: 1. Convert the image to grayscale display 2. Use gaussian filter to remove small edges 3. Calculate the edge of th
canny
- canny边缘检测的步骤: 1,生成高斯核,与图像做卷积 2,计算梯度图像 3,非极大值抑制 4,双阈值法和连接边缘(Canny edge detection steps: 1, Generate Gaussian kernel, convolution with the image 2, calculate the gradient image 3, non-maximal inhibition 4, double threshold method and connect th
改进的canny
- Canny 算法包含许多可以调整的参数,它们将影响到算法的计算的时间与实效。 高斯滤波器的大小:第一步所用的平滑滤波器将会直接影响 Canny 算法的结果。较小的滤波器产生的模糊效果也较少,这样就可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多,将较大的一块图像区域涂成一个特定点的颜色值。这样带来的结果就是对于检测较大、平滑的边缘更加有用,例如彩虹的边缘。 阈值:使用两个阈值比使用一个阈值更加灵活,但是它还是有阈值存在的共性问题。设置的阈值过高,可能会漏掉重要信息;阈值
edge_detection_using_LoG
- 基于MATLAB使用高斯拉普拉斯算子(log)进行边缘检测将图像灰度化再提取边缘(edge detection using log, we can extract the edge of the image(transfer the image to gray image ))
Python_VLPR-master
- 基于树莓派B+版本的车牌识别设计,辨识部分以树莓派3B+/3B为核心处理器,基于Linux平台,通过python3.5和OpenCV来对含有车牌信息的图片,进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究,然后开发出一个基于 Python 的车牌识别系统,文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法,然后用颜色特征和形态特征相结合的方法来确定车牌位置,用彩色分割法来完成车牌分割,最后,运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)