搜索资源列表
eye_location
- 人眼定位模块，运用灰度投影，模板匹配，在人脸图像中定位人眼-eye location module, using gray projection, template match, locate eye position in human face
Pipei
- 归一互相关法的灰度图像模板匹配简单实现。缺点是会存在图像变形。仅供学习-Normalized cross-correlation method of gray image template matching simple implementation. The disadvantage is that there will be image distortion. Only to learn
Tire-mark-Pattern-recognition
- 使用大恒图像采集卡进行轮胎图像采集，利用VC++2005 采用WTL界面框架开发一个简单的轮胎表面标记的采集与识别系统。首先采用灰度化和直方图均衡化方法实现图像预处理，然后采用OTSU阈值分割方法实现图像的二值化，在二值图像基础上，采用阈值面积消去法（空穴检出）实现图像去噪处理，并采用径向投影方法实现字符分割，最后采用模板匹配方法实现轮胎表面标记的识别。-This research uses DaHeng image gathering card to carry on tire image g
image-matching
- 基于vs的一个图像匹配，该函数将对图象进行模板匹配操作。需要注意的是，此程序只处理256灰度级的图象-An image matching based on vs, this function will be to manipulate the image template matching. It is important to note that this program is only 256 grayscale image processing
peidui
- *****将picture内的所有文件拷贝到MATLAB7.1软件下的名为word的子文件夹下********** 1.testpipei_1.m文件为基于灰度的模板匹配代码，仅为单独使用，不具有交互性 2.testpipei_2.m文件为基于灰度的快速模板匹配代码，仅为单独使用，不具有交互性 3.three.m为带有界面的演示程序，包含了上述两种算法，在MATLAB7.1中，在命令窗口下输入 edit three （three文件一定要在work文件夹下）回车后就可以进行使用
Template-Matching
- 模板匹配是目标识别的基础，在目标图像中寻找与已知物体灰度一致性最大的区域，并识别出来。-Template matching is the basis of object recognition, search and consistency largest known object gray area in the target image, and identified.
gray-to-match
- 灰度匹配，通过学习模板和图像比较找出要的结果。-Gray match, the template by learning and image comparison to find out the results.
img-Match
- testpipei_1.m 基于灰度的归一化匹配算法 testpipei_2.m 基于灰度的快速模板匹配算法 getOrder.m 二进制编码 gettezheng.m 求特征值-Testpipei_1. M normalized matching algorithm based on gray level Testpipei_2. M fast template matching algorithm based on gray level GetOrder. M binar
ImageProcessing
- 图像处理所以基础程序：图像显示： Bayer抖动显示 Floyd-Steinberg抖动显示 图像增强： 灰度变换 直方图均衡 局部平均平滑 中值滤波 理想低通滤波 Butterworth低通滤波 图象锐化 理想高通滤波 Butterworth高通滤波 伪彩色增强 图像复原： 运动模糊 运动模糊复原 逆滤波退化 逆滤波复原 加噪退化 维纳滤波复原 图像变换： 傅立叶变换 快速傅立叶变换 离散余弦变换 沃尔什变换 霍特林变换 小波变换 小波反变换 图像编码： 霍夫曼编码 香
T_11
- 1.编写程序，完成灰度分段线性变换。如下图所示，输入两个点的坐标完成对图像的分段线性对比度拉伸。 2. 学习使用histeq函数，完成 ①对’lena.bmp‘的直方图均衡化； ②以’cameraman.tif’的直方图为模板，将’lena.bmp’做直方图匹配。 3. 不使用histeq函数，自己编写程序完成直方图均衡化，并显示直方图均衡化前后的图像以及其直方图。 4. 不使用histeq函数，自己编写程序完成直方图匹配，显示匹配前后的图像、模板直方
11
- 一种基于图像灰度的快速匹配算法 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行
bayer抖动算法
- 抖动算法分为随机抖动算法和有序抖动算法。随机抖动算法随机产生一组模板方阵数列，随机数的产生期间在图像的最小灰度和最大灰度之间。有序抖动算法是人为地设置一些模板值进行匹配操作，主要有分散性抖动算法(Disperse Dither)和聚集型离散算法(cluster Dith神两种。分散型以Bayer有序抖动算法为代表。后来Ulichenay在以上两种算法的基础上，提出了局部聚集整体分散的抖动算法。(Dithering algorithm is divided into random ditherin
新建文件夹 (2)
- 使用特征提取与模板匹配方法识别数字验证码，预处理阶段包括验证码图像灰度化、二值化、去噪，去噪使用RGB三原色法，验证码字符分割采用自适应分割方法，最后提取单个验证码图像特征值，与模板库字符进行匹配识别(The use of feature extraction and template matching method of digital identification verification code, verification code preprocessing consists of i
Digital Image Processing
- 1.RAW格式转换为BMP格式 2.灰度线性拉伸 3.局部处理 4.几何处理 5.二值化 6.模板匹配 7.影像融合(1.RAW format converted to BMP format 2. grayscale linear stretch 3. local processing 4. geometric processing 5. binaryzation 6. template matching 7. image fusion)