搜索资源列表
ImageProc
- 一些常用的图像处理cpp和对应的matlab接口 是非常常用的一些代码-Quick list of the source included: imhist_thresh.cpp: Generate histogram from data,# of bins based on unique values. imsmarthist_thresh.cpp: equalize data based on histogram imsmartstd_thresh.cpp: equal
1
- 图像分割指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤。小麦的图像分割是使用各种图像分割算法对小麦图像进行处理和研究，提取出有用的图像信息以实现小麦粘连籽粒的分离，为进一步利用图像处理技术分析小麦品质提供依据。因此，对小麦图像分割方法的研究具有十分重要的意义。 本文首先研究了图像分割算法的分类以及常用图像分割算法的基本原理。然后针对小麦图像的特点，研究了在不同光照、背景和连接情况下使用的小麦图像分割方法，对各种分割算法进行了比较、结合和改进。重点
block
- 将一幅灰度图像分割为大小为指定大小的图像-divide a gray image into a specified size image
exp1
- 通过模糊c-均值（FCM）聚类实现图像的分割。-image divide
xifenkuai1
- 将图像分成16个子块，并对两两块做功率谱密度-divide the image to 16 sub-images
chepaishibie
- 利用matlab中的图像图像处理技术识别并分割出车牌区，然后进行字符分隔-The image using matlab image processing technology to identify and divide the plate area, and then separated by the character
matlab-rgb-image-divide
- 传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点，本文提出 基于RGB颜色空间的阈值分割算法，-The classical image threshold segmentation algorithm converts the color image to grayseah image before segmentation． On the base of analysis upon the characters of RGB color spac
algebra
- 两幅图像的基本四则运算包括加法减法乘法和除法-The image of the basic add, subtract, multiply and divide four operations
Optimization-Algorithm
- 摘 要 为了实现快速精确的图像配准， 提出了基于改进粒子群优化算法的互信息图像配准方法， 以互信息作为图像配准的相似性测度， 使用改进的 PSO 算法来求解配准所需的空间变换参数 改进的粒子群算法引入组织的概念把整个种群划分为多个子群体共同进化， 并引入变异运算减少算法陷入局部最优 把改进的粒子群优化算法应用到医学图像配准领域上来， 实验结果表明， 算法能够得到比较满意的配准结果-Abstract In order to realize the fast precise image regist
block_divide
- 图像分块，针对图像压缩前的对于图像的预处理-divide the image
test_gray_gradient
- 将一幅图像划分成8*8图像块，计算灰度梯度共生矩阵，基于混合熵对每个图像块分类-divide an image into 8*8 image blocks,calculate gray-gradient-matrix, classify image blocks based on the mixed entropy
init_fcm1
- 基于边缘的分割方法,图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。-Segmentation method based on edge, the image segmentation is to divide the image into a number of specific area, unique quality and interested in technology and process of target
scene_labeling_cvpr2012_v1
- 基于场景的超像素图像分割，可以实现快速分割，基于深度信息和颜色信息的检测-Based on ultra-pixel image to divide the scene, you can achieve rapid segmentation, detection based on the depth information and the color information
cells
- 读入图像二值图像，利用不同函数除去噪声，并合理分割细胞，最终实现对骨骼细胞的计数-Read the image,using different functions to remove noise and to divide cells.
medical-Image
- 利用最小误差法分割医学图像，在肺部图像上试了试，还不错的-Using the minimum error method to divide the medical image, in the lung image on the test, also good
实验一
- 图像对数变换 图像的加减乘除算法 图像双线性插值放大缩小 图像旋转(The bilinear interpolation algorithm for image add, subtract, multiply and divide the logarithm transform image zooming image rotation)
save dis
- 对图像进行不均等分块，并对分区后的图像进行保存(Divide the image into blocks and save them)
DFT&DCT
- 编程实现二维8*8图像块的DFT，DCT变换 输入一副RGB图像，将其转化为YCbCr颜色空间，然后对Y分量做分块DFT变换，保存为灰度图像，统计计算时间 编程实现8*8块DCT变换,然后分别显示，当使用64个DCT系数里面的一些系数进行重构，比较其质量；同时熟悉采用FFT来实现DCT变换的思想，并显示2维8*8DCT变换的基函数图像(Programming the DFT, DCT transform of two dimensional 8*8 image block Input
SLICtest
- 采用超像素进行分割图像，自己设置分割的超像素个数，最后显示分割后的结果。用两个矩阵记录每个超像素块的所有点坐标。(The Superpixel is used to divide the image, and the number of the Superpixels is set by yourself. Finally, the segmentation results are displayed.)