搜索资源列表
VC实现拉普拉斯高斯边缘检测
- 一个实现拉普拉斯边缘检测的VC函数，各个成员变量程序中有详细说明-achieve a Laplace Edge Detection VC function, all member variables procedures are described in detail
拉普拉斯锐化
- 拉普拉斯锐化（边缘检拉普拉斯锐化（边缘检测）.rar测）.rar拉普拉斯锐化（边缘检测）.rar-Laplacian sharpening (Frederick Laplacian sharpening edge (edge detection). Rar test). Rar Laplace Sharpening (edge detection). rar
拉普拉斯锐化（边缘检测）
- 拉普拉斯锐化（边缘检测）,在readme.txt里有详细的使用说明-Laplacian sharpening (edge detection), the readme.txt are detailed usage
拉普拉斯高斯边缘检测
- 拉普拉斯高斯边缘检测-Laplace Gaussian Edge Detection
图像处理的拉普拉斯高斯边缘检测
- 图像处理的拉普拉斯高斯边缘检测-image processing Laplace Gaussian Edge Detection
拉普拉斯高斯边缘检测源代码
- 图像处理拉普拉斯高斯边缘检测源代码-image processing Laplace Gaussian source Edge Detection
拉普拉斯锐化
- 用VC编写的 关于拉普拉斯变换法进行图像处理的源程序-VC prepared by the Laplace transform method for image processing of the source
拉普拉斯锐化
- 图像处理的拉普拉斯锐化VC源码，在边缘检测中应用
拉普拉斯增强
- 拉普拉斯增强代码
拉普拉斯图像增强
- 用C++ Builder 编写，首先对图像进行了拉普拉斯变换，再与原图像相加，相加系数可以自行输入调整。
拉普拉斯和变换
- 回顾一下连续时间和离散时间卷积，以及拉普拉斯和Z 变换。在本科 生课程中，你可能已经看到了这些概念，在这里我们处理单个信号和。这些概念 可以扩展到信号向量的情况，例如，但是现在，我们更应该注 意乘法的次序。例如，下面所描述的卷积中包括向量或矩阵时，是不可交换的，但是当x 和h 是单个信号时，是可以交换的。
基于高斯拉普拉斯的边缘检测程序
- 基于高斯拉普拉斯的边缘检测程序
基于拉普拉斯的边缘检测
- 基于拉普拉斯的边缘检测
进行图像分解和图像融合的拉普拉斯金字塔matlab源程序
- 进行图像分解和图像融合的拉普拉斯金字塔matlab源程序,Image decomposition and the Laplacian pyramid image fusion matlab source
利用Delphi6实现拉普拉斯高斯边缘检测算法
- 利用Delphi6实现拉普拉斯高斯边缘检测算法,Delphi6 the realization of the use of Laplacian of Gaussian edge detection algorithm
lpls.rar
- 拉普拉斯高斯算子边缘检测拉 普拉斯高斯算子边缘检测,Laplacian Gaussian edge detection operator Laplacian Gaussian edge detection operator
spetial_image_enhancement.rar
- 分别通过高斯低通滤波，梯度运算和拉普拉斯算子对图像进行增强。含有GUI操作界面,Through Gaussian low-pass filtering, the gradient operator and Laplacian image enhancement. Contains a GUI interface
LRG51.rar
- 实现两种锐化图像输出，要求采用两种梯度算子： （1）Sobel梯度算子（2）拉普拉斯算子：,The realization of two types of sharpening the image output request using two gradient operator: (1) Sobel gradient operator (2) Laplacian:
拉普拉斯定轨
- 通过拉普拉斯进行卫星定轨 主要通过光学望远镜观测的数据作为支撑(Satellite orbit determination)
利用拉普拉斯先验的压缩感知稀疏重构的贝叶斯方法
- 利用拉普拉斯先验的压缩感知稀疏重构的贝叶斯方法(The bayesian method of sparse reconstruction using Laplace's prior compressed sensing)