搜索资源列表
ostu
- ostu图像分割阈值算法,对Ostu图像分割最优阈值进行优化处理，极大缩短了搜索图像阈值计算时间，与传统的枚举法Otsu方法相比,在计算时间上具有显著的优点。
fingerprint
- 指纹识别算法源代码，程序需要imagemagic的支持，imagemagic可以在网上搜索到最新的版本（程序在图像 的输入/保存代码处用了imagemagic的函数，如果读者不想使用imagemagic，可以修改 程序有关图像存取的部分，改成自己的图像存取函数，这部分的工作量不是太大）。 代码可以在Linux下面编译通过。
chepaishibie4
- 提出一种用于车辆牌照定位的新方法。该方法利用遗传算法对图像进行优化搜索,结合区域特征矢量构造的适 应度函数,最终寻找到牌照区域的最佳定位参量。实验结果表明,该方法抗噪声的能力强,提取出的牌照准确、完 整,具有很好的实用价值。
ImageSearch
- 基于内容的图像检索示例代码，给定一幅原图像，在图像数据库中根据与原图像之间相似度的大小，搜索与原图像最接近的若干幅图像。本程序相似度主要以两幅图像之间直方图的距离为衡量标准，对此内容感兴趣的同学可以在此基础上加入更多的相似度判别算法。
cvBlobFinder
- 基于OPCV的blob搜索算法，图像处理经典算法
072128
- 对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸.实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低.
222171720520079241629391245598
- 这是用vc++实现的数字图象处理程序,包括点运算,几何变换,图像增强,形态学变换,边缘与轮廓,图象分析,图象复原,图像编码功能. (这是我搜索到的,觉得很好,希望大家能共享)
025813338
- 网络中搜索到将彩色图像转换成灰度图像的vb源码。
pyramid
- 图像分割，常用的方法很多，较常用的是利用金字塔搜索法，向下向上搜索，对图像进行很好的分割
22219011211120071115164509189959
- SUSAN算子用于角点检测的基本步骤： 1） 对于感兴趣的每个象素点（一般的情况就是图像中的每个象素点）作用一圆模板； 2） 根据亮度比较函数计算圆模板中的USAN区域； 3） 根据几何阈值，计算象素点的初始响应； 4） 使用USAN重心与核中心的距离法则去除伪角点，使用USAN重心与核中心的连线上的每个点都必须在USAN区域来保证算法的一致性（即USAN区域的相连性） 5） 对每个象素点的响应，使用 （或更大）的窗口搜索局部极大值，进
11111957738
- 这是一个用vc++实现的有关图像模式识别的源程序，其中包括了手写数字的分类和聚类的程序。这是我搜索到的，希望能和大家一起共享。
motionEstDS
- 菱形搜索算法是在四步搜索算法的基础上采用菱形搜索路线得到的一种算法。它充分考虑了现实中的物体在水平和垂直这两个方向运动的概率比较大，图像的频谱多呈菱形。菱形搜索算法采用了两种搜索模式：大菱形搜索模式（LDSP）和小菱形搜索模式（SDSP）[6]。LDSP有一个中心点和它周围的8个搜索点构成，这九个点组成一个菱形，SDSP由5个搜索点构成
motionEstARPS
- 自适应算法,根据空域相邻块的运动水平,自适应地选择搜索策略,对于小运动块,充分利用中心偏置特性提高算法速度,对大运动块则利用多候选值算法力求得到真实的全局最小值,以确保对各种不同的图像序列都有较高的搜索速度和准确度
Patternmatching2
- 基于归一化互相关系数的算法在模板匹配和特征跟踪中运用十分广泛,但缺点是其计算量很大. 为此提出了一种在 空间域利用盒形基简化互相关的快速算法,在不修改归一化互相关匹配原理的前提下,用原模板图像在一组正交盒形基张成 的子空间上的投影取代原图像来进行互相关计算,以降低图像精度来缩减计算复杂度. 实验说明,当搜索窗口大小较小时,此 快速算法计算量明显小于传统的频域快速归一化互相关算法. 关键词:模板匹配归一化互相关系数子空间分
chap12
- 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是
AFIS
- 指纹自动识别该部分的代码由C写成。 程序需要imagemagic的支持，imagemagic可以在网上搜索到最新的版本（程序在图像 的输入/保存代码处用了imagemagic的函数，如果读者不想使用imagemagic，可以修改 程序有关图像存取的部分，改成自己的图像存取函数，这部分的工作量不是太大）。 代码可以在Linux下面编译通过。
chepaidingwei
- 很好的车牌识别代码 。具体步骤： 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,
mat
- 实现全搜索算法和三步法搜索，对256×256图像进行模拟传送
source_fingerprint
- 程序需要imagemagic的支持，imagemagic可以在网上搜索到最新的版本（程序在图像 的输入/保存代码处用了imagemagic的函数，如果读者不想使用imagemagic，可以修改 程序有关图像存取的部分，改成自己的图像存取函数，这部分的工作量不是太大）。 代码可以在Linux下面编译通过。
chap12
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gm