搜索资源列表
tuxiangdesuofang
- 基于邻域插值算法对图像进行缩放处理的源代码.
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。
tuxiangceliang
- matlab环境下图像测量课程实验程序，Smoothed算子实现图像边缘检测，空间邻域平均法，图像二值化与细化，图像增强（锐化），中值滤波等实验程序。
erzhituxiangxihuasuanfa
- 图像细化的方法有两种即边缘点删除和内点保留传统的基于边缘点删除的细化算法在细化过程中只对边缘点的可删除性进行判断并作相应处理由于受跟踪顺序及所考察邻域的影响容易产生骨架的非对称性基于内点保留的细化算法容易使所获得的骨架大于一个像素本文在分析上述两类细化算法的基础上综合运用上述两种细化方法提出一种新的行之有效的并行细化算法.
Mean_Mid_MATLAB
- 八邻域均值算法与中值算法的比较，加高斯噪声滤波进行比较
Image-GetEdge
- 用四邻域法和八邻域法，通过象素的颜色，找出图像的边界。
边缘检测算法的基本步骤
- 边缘检测算法的基本步骤 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 （2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。 （3）检测。但在有些图象中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 （4）定位。精确确定边缘的位置。 Canny边缘检测算法 step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方
invariant_moment
- 摘要:提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术。利用Harris 角检测器获取图像中的兴趣点,计算 兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据 几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接。实验表明,该方法对平移以及任意角度 的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果。
ImageLinerSmooth
- 数字图象处理-图象增强-邻域平均法处理图象
Picture
- 二值图像的四邻域，八邻域法 以及标号法清除散落点
Inpainting
- 基于邻域滤波的图像修补算法（安徽大学，段汉根，汪继文）
DPSO
- 求解TSP问题的动态邻域粒子群优化算法 （论文）
FJT
- 对数字图像进行邻域平均处理，使处理过的图像均衡化 。
MSthesis_YangZhengyu
- 浙江大学博士论文，提出了一个基于邻域重心约束的光顺算法，通过极小化邻域重心约束的局部邻域目标函数达到局部光顺的目的
lf.tar
- 基于纹理合成的图像类推，用树形结构向量量化，用到了多分辨率来减小邻域 基于Wei_Levoy算法
lvbo
- 主要介绍了图像平滑处理，方法有经典的邻域滤波，中值滤波，还有相应的添加噪声的方法，
1234
- 组合优化问题的人工鱼群算法应用 通过模仿鱼类的行为方式,提出了一种基于动物自治体的优化方法—人工鱼群算法(Artificial Fish- school Al2 gorithm) ,并将其用于组合优化问题的求解. 介绍了该算法在此类问题求解中的距离、邻域等概念,给出了具体的实 现方法. 最后以TSP 问题为例对该算法进行仿真测试. 结果表明它具有快速收敛的能力.
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
chap3
- ch3_1_1：嵌套使用图像代数函数（§3.1.1） ch3_1_2：两幅图像相加（§3.1.2） ch3_1_3：图像与常数相加（§3.1.2） ch3_1_4：两幅图像相减（§3.1.3） ch3_1_5：两幅图像相乘（§3.1.4） ch3_1_6：图像除以常数(两幅图像相除)（§3.1.5） ch3_2_1：图像缩放（§3.2.2） ch3_2_2：图像旋转（§3.2.3） ch3_2_3：图像剪切（§3.2.4） ch3_2_4：生成和应用仿射变换（
csc-src-1-2(dhxu757)
- 一个彩色图像分割算法,采用了一种新图像邻域结构方法,相对于普通方式的邻域方法,分割的效果有明显的改进.