搜索资源列表
识别物体modify
- 统计灰度图象二值化后不连通区域的像素树木和中心位置-statistical gray image after two values not connected region trees and the pixel center
regiongrow
- 区域增长的算法实现: 1)根据图像的不同应用选择一个或一组种 子,它或者是最亮或最暗的点,或者是位 于点簇中心的点 2...通过像素集合的区域增长 算法实现: 区域A 区域B 种子像素增长.3)增长的规则 4) 结束条件.-regional growth algorithm : 1) According to the images chosen a different application or group of seeds, It is perhaps the most - or the
kmedfilter
- K近邻中值（均值）滤波器 1) 以待处理像素为中心，作一个m*m的作用模板。 2） 在模板中，选择K个与待处理像素的灰度差为最小的像素。 3） 将这K个像素的灰度均值（中值）替换掉原来的像素值。 -K-nearest neighbor median (mean) a filter) for the pixel to be addressed, for a m * m role template. 2) In the template, select and K-pending p
sobeledge
- sobel算法的源码,应用2个3x3的掩模中心像素（mask）检测图像的边缘。一个是检测水平边沿的 ；另一个是检测垂直平边沿的。可以自己测试和修改参数，从而得到最佳的算法值。
biaoding
- 主程序为 Tsai 参考 TestData 以了解调用方法 Ncx，Nfx，Cx，Cy，dx，dy，sx 七个参数可以这样得到： Ncx，Nfx，sx 简单的设为1。 Cx，Cy 设为像素中心，也即是如果图像是800×600，那就设为400、300。 但我的例子中的值是用其它的方法标定出来的。可以参考Tsai的另外一篇论文： Techniques for Calibration of the Scale Factor and Image Center fo
face
- 本文介绍了一种灰色图像识别中进行人眼睛定位的算法,首先是根据人脸的水平灰度直方图来确定眼睛的位置,然后, 通过计算眼眶部分像素点的垂直灰度直方图来确定两眼中心,接着从获得的区域中找出一定数量的灰度值小的点,对这些点进行添加、删除和计算,实现眼睛的定位．
kmeans1
- k-均值聚类算法实现灰度图像分割，输入图像矩阵和聚类中心个数，返回为最终的聚类中心和图像中每个像素所属类的编号（对应于图像矩阵）
4
- 提出了一种基于CCD图像的塑料齿轮齿形缺陷检测方法。采用A102FCCD数字摄像头采集塑料齿轮的图像, 经 过IEEE1394数字接口卡传输到计算机。对含有噪声的原始数字图像实施平滑处理、图像分割、轮廓提取及细化等处理, 使图像转变成易于检测的单像素宽边缘信息。检测了齿轮中心孔的圆心, 进而对齿轮齿形缺陷进行检测。理论分析及实验 结果表明该方法检测速度快、精度高, 满足产品在线检测的要求。
对图像进行中值滤波处理的源代码
- 平滑滤波 一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波或中值滤波，对于均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口
指纹识别
- 摘要：指纹识别技术在各个领域的应用已经逐渐成熟，本文基于信息论中的互信息，在指纹识别的特征选取和识别提出自己的一些想法。 1 引言 指纹是人终身不变的生理特征之一，因其具有惟一性、稳定性以及方便性等独特的特点，使指纹识别成为现在应用最广泛的生物识别技术。 指纹识别系统处理的流程中，指纹图像预处理是第一个处理环节，我沿用已经成熟的去噪，二值化，滤波，细化，对其进行预处理。 互信息作为最终的识别准则来进行指纹的识别。 2 指纹的预处理 般自动指纹识别系统由图像采集、图像预处理、细节点提取和指纹匹 几
weight_centre
- 通过重心法确定光斑图像的中心。根据个像素的灰度值和所在的位置乘积和总面值作比，进而求得重心。-Through the center of gravity method to determine the center of the image spot. According to the gray-scale pixel value and the location of the product and the total for more than face value, and then ge
yaxiangsu
- 双向亚像素运动估计算法，具体步骤如下： (1) 进行整像素精度的双向运动估计； (2) 以(1)得到的运动矢量所指向的像素点为中心，内插1/2像素点，再进行双向运动估计； 依此类推，直到得到所需的像素精度为止。 -Bi-directional sub-pixel motion estimation algorithm, concrete steps are as follows: (1) for the whole two-pixel accuracy motion estima
noise
- 添加噪声与平滑降噪,平滑降噪可采用定制的模板做滤波运算（就是卷积运算）来获得中心像素的新值，也可以对指定大小的邻域进行某些运算作为中心像素的新值.-Add noise and smooth noise reduction, smoothing noise reduction can be customized templates so filtering operation (that is convolution operation) to receive the new pixel valu
leituoyuantezhengzidongshibiejiyaxiangsutiqudewanz
- 针对视觉检测中高精度、自动化类椭圆图像特征提取的需要,提出一种类椭圆特征自动识别和中心亚像 素定位的完整实现方法。方法中采用基于类椭圆边缘属性对特征区域进行自动识别,采用最小二乘椭圆拟合 精确求取类椭圆亚像素定位中心。实验表明,基于该解决方案,可以实现类椭圆特征的自动识别及椭圆中心的 亚像素定位,定位算法精度较高,鲁棒性强,同时简便易行,不需要人机交互,可以很好地满足视觉检测仪器化 需求。-Vision testing for high-precision, automated
cross_position
- 用来计算十字交叉点的中心位置,可以达到亚像素精度，在三维重建中经常会在物体表面做标志，本算法用于计算十字标记中心-to calculate the center of a cross image
ImagePro
- 本人研究生阶段做的项目，线结构光视觉传感器的标定中的激光光条中心的提取。 1、通过JPG、PCX、GIF解码方法，来打开BMP、JPG、PCX、GIF格式图像。 2、大津展之法阈值变换，效果较好。 3、三种细化方法，Rosenfold细化、Hildith细化、Pavlidis细化。 4、基于灰度重心法的全分辨率的激光光条中心亚像素坐标的提取。-Calibration
adamedianfilt
- 自适应中值滤波器的滤波方式和传统的中值滤波器一样,都使用一个矩形区域的窗口Sxy,不同的是在滤波过程中,自适应滤波器会根据一定的设定条件改变(即增加)滤窗的大小,同时当判断滤窗中心的像素是噪声时,该值用中值代替,否则不改变其当前像素值,这样用滤波器的输出来替代像素(x,y)处(即目前滤窗中心的坐标)的值。-Adaptive Median Filter for filtering methods and the same as the traditional median filter, use
soso1989
- 关于图像亚像素边缘检测方法的相关文献 （薄片零件机器视觉图像亚像素边缘检测，机器视觉标定中的亚像素中心定位算法，机械零件亚像素边缘检测算法的研究，基于分层插值和最小二乘拟合的亚像素细分算法等等。）-Literature on the image sub-pixel edge detection method (thin parts machine vision image sub-pixel edge detection, sub-pixel target location in the cal
TraceRay
- 从视点出发，通过图像平面上每个像素中心向场景发出一条光线，光线的起点为视点，方向为像素中心和视点连线单位向量。-From the viewpoint of, for each pixel on the image plane through the center to the scene issued a light of a starting point for the viewpoint direction pixel center and the viewpoint connection
lena
- SLIC算法是simple linear iterative cluster的简称，该算法用来生成超像素（superpixel） 算法步骤： 已知一副图像大小M*N,可以从RGB空间转换为LAB空间，LAB颜色空间表现的颜色更全面 假如预定义参数K，K为预生成的超像素数量，即预计将M*N大小的图像(像素数目即为M*N)分隔为K个超像素块，每个超像素块范围大小包含[（M*N）/K]个像素 假设每个超像素区域长和宽都均匀分布的话，那么每个超像素块的长和宽均可定义为S