搜索资源列表
DigitalImageProccessexperiment
- Matlab环境下的几个数字图像处理实验，包含图像灰度变换、直方图均衡化、直方图匹配、邻域平均、局域增强、中值滤波、图像的锐化等-Several digital image processing experiments, including gray transform, histogram equalization, histogram matching, neighborhood average, local increase, median filtering and image shar
erweizuida
- 本程序是基于二维最大熵的灰度图象分割，它考虑了两方面的因素：点灰度和邻域平均灰度。
hill_climbing
- 利用登山算法实现图像分割。算法适用于中心灰度较大，而向邻域逐渐递减的区域分割，如微钙化点图像。根据当前窗口手动设定的局部点，寻找局部灰度极大值点，找到16个角度下的种子点。然后以这16个点为种子点进行区域增长，约束条件为相应的灰度约束和空间约束。
TextureAnlysis
- TextureAnlysis.m实现遥感图像的纹理分析，以 方向邻域内的灰度均值 和 灰度共生矩阵的熵 作为纹理特征，使用k-means聚类。
chap05
- ch5_1_1： 图像灰度线性变换 （§5.1.1） ch5_1_2： 图像灰度分段线性变换 （§ 5.1.1） ch5_1_3： 采用对数形式的变换函数进行动态范围压缩 （§5.1.1） ch5_1_4： 图像直方图的均衡化 （§5.1.2） ch5_1_5： 直方图规定化 （§5.1.2） ch5_2_1： 邻域平均的线性平滑滤波法实现降噪 （§5.2.2） ch5_2_2： winner滤波法实现降噪 （§5.2.2） ch5_2_3： 中值滤波实现降噪 （§5
tuxiangpinjiefa
- 一种全自动稳健的图像拼接融合算 提出了一种全自动稳健的图像拼接融合算法。此算法采用Harris角检测算子进行特征点提取,使提取的 精度达到了亚像素级,然后以特征点邻域灰度互相关法进行特征点匹配得到了初步的伪匹配集合,并运用稳健的 RANSAC算法将伪匹配点集合划分为内点和外点,在内点域上运用LM优化算法精确地估计出了图像间的点变 换关系,最后采用颜色插值对交接处进行颜色过渡。整个算法自动完成,它对有较大误差或错误的特征点数据迭代 过滤,并用提纯后的数据来做模型估计 -A ro
H_th
- 自已编写的求二值化阈值的函数.用5*5模板求局部灰值的平方各,然后求3*3邻域内的灰度熵,通过求熵的最大值对应的灰度值,来求阈值.-Prepared for their own binary threshold function. 5* 5 template partial gray value for each square, and then for 3* 3 gray neighborhood entropy, by seeking the maximum entropy of the g
matlab
- 图像灰度变换、图像的锐化、⑴直方图均衡化（histogram equalization），⑵直方图匹配（histogram matching），⑶邻域平均（neighborhood averaging），⑷局域增强（local enhancement）， ⑸中值滤波（median filtering）。源码-Image gray-scale transformation, image sharpening, ⑴ histogram equalization (histogram equaliza
imhist2
- 计算灰度图像二维直方图的函数，可先设定邻域处理滤波器，带入函数中加以处理即可。具体参加函数help。-This function calculates the 2D-hist of a input gray-image. The filter used to process the image can be specified outside the function.
texture_synth_L_neighborhood
- 使用了L形邻域进行纹理生成，是很初步的程序，用于灰度图像，而且还未考虑边界的情况，仅供参考-Use the L-shaped neighborhood texture generation, is a preliminary program for gray image, not to consider the boundary conditions for reference only
hongwaituxiang
- 为了在抑制噪声时尽可能保留图像边缘信息，提出一种自适应各向异性高斯滤波器设计方法. 该方法由独立 强度传播（IDS）模型决定滤波器的长轴尺度，由像素的邻域平滑度决定长短轴的比例，然后根据该处的灰度梯度方 向自适应决定各向异性滤波器的长轴方向. 仿真实验表明，提出的自适应各向异性滤波器具有很强的噪声抑制和 边缘保持能力. -In order to suppress noise, as far as possible to keep the image edge informati
SpatialFrequencyDomainImageEnhancement
- 灰度变换增强程序 1.灰度变换增强程序 2.直方图灰度变换 3.直方图均衡化程序举例 4.直方图规定化程序举例 1.线性平滑滤波 2.中值滤波器 3. 4邻域8邻域平均滤波算法 1.低通滤波器 2.布特沃斯低通滤波器图像实例-Enhanced gray-scale transformation procedure 1. Enhanced gray-scale transformation procedure 2. Histogram gray-sc
SUSAN
- 图象匹配中最常用的是基于面积的匹配，该匹配方法是把一幅图象中某一象点的灰度邻域作为模板，在另一幅图象中搜索具有相同(或相似)的灰度值分布的对应点的邻域，从而实现两幅图象的匹配〔2，。在搜索过程中，通常是以互相关函数作为两个搜索邻域间的相似性测度。 -this ie a program is in the inviroment.we can use it bring a lot of benefit to us.
MYGUI
- 第一章作业： 用C语言或者VC，VB，Matlab或其他语言完 成如下实验： 1）打开一个BMP文件 2）将其局部区域的灰度值进行改变 3）另存为一个新的BMP文件 要求显示出原BMP图像和新BMP图像。 1。打开一幅图像，添加椒盐、高斯噪声，然后使用邻域平均法、中值滤波法、K邻近平均法进行平滑。 2。打开一幅图像，利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。 第五章作业 编写一个程序，对输入的图像进
image_processing
- 用MATLAB自己编写的一系列图像处理算法。详细说明： ch5_1_1： 图像灰度线性变换 （§5.1.1） ch5_1_2： 图像灰度分段线性变换 （§ 5.1.1） ch5_1_3： 采用对数形式的变换函数进行动态范围压缩 （§5.1.1） ch5_1_4： 图像直方图的均衡化 （§5.1.2） ch5_1_5： 直方图规定化 （§5.1.2） ch5_2_1： 邻域平均的线性平滑滤波法实现降噪 （§5.2.2） ch5_2_2： winner滤波法实现降噪
hundunpso
- 针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷 入局部最优且速度较慢等等问题, 提出了基于混沌粒子群优化算法的二维熵图像分割方法。 该方法考虑了图像中像素点灰度 邻域灰度均值对作为阈值对图像进行分割 利用混沌运 动随机性、遍历性和初值敏感性, 将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜 索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索 时间, 提高了收敛率
a-series-of-programs
- 详细说明： ch5_1_1： 图像灰度线性变换 （§5.1.1） ch5_1_2： 图像灰度分段线性变换 （§ 5.1.1） ch5_1_3： 采用对数形式的变换函数进行动态范围压缩 （§5.1.1） ch5_1_4： 图像直方图的均衡化 （§5.1.2） ch5_1_5： 直方图规定化 （§5.1.2） ch5_2_1： 邻域平均的线性平滑滤波法实现降噪 （§5.2.2） ch5_2_2： winner滤波法实现降噪 （§5.2.2） ch5_2_3： 中值滤
2dOtsu-gradient
- 基于邻域灰度梯度的改进二维OTSU算法：在二维OTSU的方法上进行改进，将纵坐标改用像素点的灰度值与其邻域的平均灰度值的差的绝对值，分割图像。-Neighborhood-based two-dimensional gray-scale gradient improved OTSU algorithm: to improve on the two-dimensional OTSU method, the vertical axis instead of the absolute value of
LDP_he
- LDP 算法是将与Kirsch 算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子，这将会导致中心灰度值不能很好的反映邻域局部特征信息，从而降低识别率。-LDP algorithm is will get some of the negative and Kirsch operator after the operation of neighborhood grayscale value as the center of grey value encoding factor, whic
grayco
- 用3*3邻域计算每一个像素的灰度共生矩阵并计算对应的特征参数，最后再选择特定目标区域内的像素，计算在目标区域内的像素所对应的特征参数的均值和方差(Calculation of characteristic parameters of each pixel gray level co-occurrence matrix and calculate the corresponding 3*3 neighborhood, then select the specific pixels within t