搜索资源列表
changetograycale
- 将彩色图片转为灰阶,至少有3个办法，适合图像复杂度比较低的图片-The color image to grayscale
jiyu
- 基于邻近像素的低复杂度预测矢量量化图像压缩编码算法 基于邻近像素的低复杂度预测矢量量化图像压缩编码算法-Adjacent pixels based on the prediction of low complexity image compression coding algorithm is based on neighboring pixels predicted low complexity image compression coding algorithm
732f83602699
- 这是图像的一种代码，计算复杂度低，但效果不好-This is a code for image enhancement, computational complexity is low, but the effect is not good
SPL
- 一种压缩感知的重构算法，恢复质量好，复杂度低-A algorithm of compressive sensing which has better reconstruction quality
picdetect
- 文档图像中的图片检测。。采用了一些底层特征。。复杂度低-Detection of document images in the picture. . Used a number of underlying features. . Low complexity
epnp
- 国外计算摄像机姿态和位置的高效率代码，时间复杂度和空间复杂度都较低-the efficient calculation code of the camera pose and position，the time complexity and the space complexity is low
Mpeg2010-1-28-1233
- 用于视频中运动矢量的提取，效果很好，时间复杂度低。-Motion vector is used to extract the video, the effect is very good, low time complexity.
JPEGLS-DLL10bw2k
- jpegls源代码，无损/近无损低复杂度的图像压缩算法，-jpegls source code, lossless/near-lossless low complexity image compression algorithm,
6645LBP
- LBP已经成功应用于人脸检测，唇语识别，表情检测，动态纹理等等领域。其算法复杂度低，消耗内存小，原理简单.-LBP has been successfully applied to face detection, lip recognition, face detection, dynamic texture and so on. Its low algorithm complexity and memory consumption is small, simple principle.
histeq_my
- 将输入的猜的图像转换为灰度图后进行直方图均衡化，时间复杂度和空间复杂度较低-Guess the input image converted to grayscale histogram equalization, time complexity and space complexity is low
RGB-color-model-similarity
- 图像分割是图像处理的重要步骤, 由于彩色图像含有的信息比灰度图像还多, 因而对彩色图像分割的研 究越来越受到人们的关注. 提出一种新的基于RGB 空间颜色相似性的彩色图像分割方法. 首先比较各种颜色模 型的优势与不足, 然后根据RGB 颜色空间的颜色信息和亮度信息提出一种计算在RGB 空间下颜色相似性的方 法, 再结合提出的图像颜色分量计算方法, 从而形成颜色分类地图, 最后根据颜色分类图进行像素划分, 得到分 割结果. 实验在Matlab 平台上进行, 结果表明: 对于颜色分明
基于LMS算法的自适应滤波器设计与实现
- 因LMS算法具有低计算复杂度、在平稳环境中的收敛性好、其均值无偏地收敛到wiener解和利用有限精度实现算法时的稳定性等特性，使LMS算法成为自适应算法中应用最广泛的算法。(Because LMS algorithm has low computational complexity, convergence in stable environments, the mean unbiased converges to the Wiener solution and the finite preci
pipei
- 将平滑度约束引入特征匹配是已知的可以实现超强鲁棒匹配。 然而，这样的匹配方案既复杂又缓慢，使得它们不适合于视频应用。 本文提出了GMS（基于网格的运动统计），一种简单的方法，将运动平滑度作为一个统计量，进行局部区域的匹配。GMS可以将高匹配数字转换成高匹配质量。 这提供了一个实时、超强的匹配系统。 评估低质量、模糊的视频和广泛基线显示，GMS始终如一地优于其他实时匹配器。(The introduction of smoothness constraints to feature matching