搜索资源列表
division
- 指纹图像前背景分离程序,使用灰度算法，现处理中心区域，在处理四边，最后处理四个角，效果还可以.
FastICA_25.tar
- FastICA源代码，实现图像，信号分离。
target_tracking_using_kalman
- 基于kalman滤波的图像目标识别的matlab代码，将运动目标从背景中分离出来
DYNAMICCOMBFILTER
- 基于PAL 的图像3D 运动自适应数字梳状滤波器算法研究。分析了几种数字梳状滤波器在进行视频信号的亮、色分离时的优、缺点。针对现有的1D、2D 数字梳状滤波器
IterHistDiv
- 经典迭代直方图分离聚类算法，该聚类算法基于图像直方图，非常适合于多类目标分割，计算速度非常快
IHS
- 由多光谱图像的3个波段构成的RGB分量经IHS变换后，可将图像的空间特征(，)和光谱特征(H、S)分离
Touch_exe
- 该软件支持jpg，gif、png图片格式，大致有下列功能： V 0.1 版： 1. 图像放大、缩小、复制、打印、获取当前图像任意位置颜色信息。 2. 显示图像灰度直方图。 3. 灰度统计：图像宽度、高度、最小灰度、最大灰度、灰度均值 Mean、灰度方差 Variance、标准差、偏态 Skewness、峰度系数 Kurtosis、熵 (Entropy)。 4. RGB三原色分离、RGB图转灰度图、灰度均衡、图像可调阈值二值化、图像反色。 5. 图像可调阈值边缘检测：Rob
CellStatics
- 基于opencv实现的细胞图像分析，通过分离前景背景色识别细胞轮廓，统计图片中细胞个数、面积、周长等信息
pangzi
- (1)将整幅图像分成4×4块，计算每一块中所有象素RGB三个颜色通道的颜色平均值，并以此作为该块的代表颜色（主颜色）。 (2)将各块的颜色平均值进行离散余弦变换（DCT），得到DCT系数矩阵。DCT是一种分离的变换，是国际静止图像压缩标准JPEG的基础。由于大多数图像的高频分量较小，相应于图像高频分量的系数经常为零，加上人眼对高频成分的失真不太敏感，所以可用更粗的量化。因此，在一般检索中可以利用部分DCT系数作为特征向量。 (3)对DCT系数矩阵进行之字形扫描和量化，得到DCT系数。
split
- 图像处理 中的分离~~~~~ 可以下载哦
sopc_2DBarcode
- 基于SoPC的嵌入式二维条码识读系统使用集成在QuartusII中的SoPC Builder开发组件配置生成片上系统,结合降噪处理、背景分离 图像校正、图像二值化、码字识别、信号纠错等技术，处理由OmniVision OV7649 CCD产生的条码图像。
jemsn_WaterEffect
- WaterEffect 模拟水波纹 效果 图像 从CnWizards_0.7.5.105里面分离出来的。 效果请看CnWizards_0.7.5.105（最新版）的关于。
FastICA_2.1
- fastICA的matlab实现。快速独立成分分离算法，用于去除图像或声音之间的 相关性。
DWTwithICA-R
- 基于小波的ICA-R算法，适合混合图像的分离。具有速度快等优势。
ch13
- 彩色，黑白图像互相变化，RGB分离，HSI分离
基于Mean Shift的阈值分割
- 阈值分割算法是一种将灰度图像转化为二值图像的简单有效的方法，但是由于需处理图像的复杂性，常常使得阈值分割算法中阈值的选取问题无法很好解决。针对这个问题，在进行阈值化处理之前，我们先借助Mean Shift算法的分割特性将灰度值相近的元素进行聚类，然后，在此基础上应用阈值分割算法，达到将图像与背景分离的目的。 简单来说，基于Mean Shift的图像分割过程就是首先利用Mean Shift算法对图像中的像素进行聚类，即把收敛到同一点的起始点归为一类，然后把这一类的标号赋给这些起始点，同时把包含像素
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
tuxiangbianhuan.rar
- 图像变换 将图象分块(8*8)，作DCT变换，并作IDCT：DCT是一种可分离图象变换，用来图象压缩编码，IDCT用来解压缩,Image transform to image sub-block (8* 8), for the DCT transform, and IDCT: DCT is a separable transform image to image compression coding, IDCT used to extract
chap8
- 文字图像识别，主要包括：1分割文字图像，2分离单个文字，3识别单个文字，4连接单个文字。-Text image recognition, including: a text image segmentation, two separate single word, single word recognition 3, 4 attached to a single text.
Image
- 采用GdI+编程实现了，图像的读入，图像像素数据的采集和分析，通过线性判别函数和一个圆形判别函数来分离图像和背景-By GdI+ programming, and read the image, the image pixel data collection and analysis, linear discriminant function and a circular discriminant function to separate the image and the background