搜索资源列表
background-model8
- :基于背景建模的运动目标分割是智能视频监控的重要任务,模型的质量直接影响到检测、跟踪、识别等运动分析的准确性.当前的建模方法多是单层的,忽略了像素特征在时域和空域上的联系,模型描述不够准确,对于背景扰动、全局光照变化及复杂的室内外场景等多种情况鲁棒性不强,导致了分割中出现空洞和噪声点.针对这些问题提出了一种双层建模的方法,在第一层提取时域上的像素亮度特征采用码本建模,第二层提取邻域纹理特征采用基于中心对称的局部二值模式建模.实验证明该方法在用于运动分割时,比常用方法具有更好的准确性和鲁棒性.-M
detectpoint
- 光斑中心提取算法,在VS2010下,用opencv2.3.1编写的控制台程序,主要功能是利用hession矩阵和高斯滤波进行光斑中心点提取,里面附测试图片,提取精度为亚像素级别。-Spot center extraction algorithm, in VS2010, written by opencv2.3.1 console program, the main function is to use hession matrices and Gaussian filter for extrac
susan
- 主要思想就是:首先做一个和原图像等大的目标图像。然后用一个圆形的模板,用模板去遍历原图像每个像素,把模板内的每个像素都和模板中心像素比较,如果灰度小于一个阈值,那么就对目标图像当前和原图像相同位置的像素加一,直到结束。目标图像中在原图像是角点的位置就会取局部极小,所以做一个反向的相减。img=max(img)-img,if img<g,这里的g也是自己给定的阈值,我这里取了2*max(img)/3这样的阈值,g越大,得到的点就越多。这步之后角点的值就成为局部极大了。最后进行非极大抑制,去除
zwlx22
- 检测焊锡单像素边缘,并计算其中心,并标出其中心坐标-Solder single pixel edge detection, and calculate its center
1756456
- 设计了一种基于TMS320C6455与FPGA 的实时图像跟踪系统,该系统首先采用MAX9526 采集图像,利用FPGA 对图像进行均值滤波,滤波后数据采用乒乓方式传输给DSP。Mean Shift 跟踪算法采用图像像素灰度距离中心点的距离作 为目标特征建立核函数,实现对目标的实时跟踪。实验表明,该系统具有良好的实时性与稳定性。-Designed a real-time image-based tracking system TMS320C6455 and FPGA, the system
Gaussian
- 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。-Gaussian smoothing filter is a linear filter for the elimination of Gaussian nois
RotateImage
- 使用像素的旋转算法实现bmp格式的图片的围绕中心点指定角度的旋转。-Rotation algorithm implementations using pixel bmp format images of rotating around the center of the specified angle.
smoothedfilter
- 一段灰度图像的边缘保持平滑滤波代码。取5×5像素区域,以包含中心点(i,j)的上下左右方向,以及斜45度角方向,中间3×3,总共9个邻域模板,计算其中标准差最小的模板块,取其作为均值滤波的模板。-A gray image edge preserving smoothing filter code. 5* 5 pixel region, to include the center point (I, J) of the vertical and horizontal direction, and
SingleStreakTracking
- 选定条纹中心,寻找距离该点最近的条纹中心,跟踪条纹主要根据沿条纹中心方向相邻像素间的灰度值方差最小,循环直到边界或设定的最大迭代次数终止。-Single streak tracking.
pcnn
- 利用pcnn,每当有一批像素对应的神经元点火,对像素值进行一次修正。第n次点火的所有神经元用矩阵B(n)表示, 已经点火的像素位置标记为‘1’,未点火的标记为‘0’。通过一个3*3的模板滑过B(n),判断若模板内的值全为‘1’或全为‘0’, 则这些像素值不进行处理,否则若模板中心的值为‘1’,则增加该位置的像素值的大小,中心值为‘0’,则减小像素值。该功能由xiugai(B,K)函数实现 Beta取负值来抑制周围的神经元点火,因为输入pcnn(X)的是模糊图像,抑制之后使处理的
meidian-filter(CPP)
- 中值滤波是对一个滑动窗口内的诸像素灰度值排序,用其中值代替窗口中心象素的原来灰度值,它是一种非线性的图像平滑法,它对脉冲干扰级椒盐噪声的抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊。-Median filtering is the pixel on a sliding window in the value ordering, the original gray instead of window center pixel values by which value, it is a
mtlabjunzhilvbo
- 均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标象素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。-Mean filter is a typical linear filtering algorithm, it refers to the target pixel in the image to a template that includes the surrounding ad
cmvnpdf
- 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。-Gaussian filter is a linear smoothing filtering, applicable to eliminate the gaus
Harris
- 是对m算子的改进,Harris算子以目标像素点为中心的一个小窗口为计算单元,用解析形式表达该单元呀任意方向移动后的灰度变化情况。-Harris Is the improvement of m operator, Harris operator to target pixel as the center of a small window as the calculating unit, expressed in analytical form after the unit ah arbitrar
Desktop
- BMP模糊和锐化1. 图像的均值模糊滤波采用的方法比较简单,对于每一个像素,进行一个mask的修正,在以该像素为中心的m*m的方阵中,求取改mask中的一个加权均值,程序中直接采用权值都为1,进行简单的模糊操作。-BMP image blurring and sharpening method mean blur filtering is relatively simple, for each pixel, correction of a mask, in pixels, in the cent
lightstripeExtraction
- 基于梯度重心法的光条提取算法,实现光条中心的亚像素提取。-Extraction Method Based on Gradient focus light bar algorithms to achieve sub-pixel light stripe center extraction.
Zernike
- 是关于基于图像处理激光光斑中心亚像素检测的源程序-the sub pixel
regiongrowing
- 区域增长的算法实现: 1)根据图像的不同应用选择一个或一组种 子,它或者是最亮或最暗的点,或者是位 于点簇中心的点 2...通过像素集合的区域增长算法实现: 区域A 区域B 种子像素增长.3)增长的规则 4)结束条件.-region growing
camero
- 粒子群算法 单目摄像头标定,根据图像中心的像素位置与其世界坐标系位置求解摄像头参数- Particle swarm algorithm of monocular camera calibration
largest-connected-domain
- 求取图像的最大连通域,像素点,及连通分量中心-Obtaining an image of the largest connected domain, pixels, and connected component center