介紹了各種數(shù)字圖像處理的算法分析及編程實(shí)現(xiàn)技術(shù)。全書由12章和一個(gè)附錄組成。主要內(nèi)容包括：位圖基礎(chǔ)、圖像的顯示、圖像的幾何變換、圖像灰度變換、圖像的平滑處理、圖像銳化處理及邊緣檢測(cè)、圖像分割及測(cè)量、圖像的形態(tài)學(xué)處理、圖像的變換域處理及應(yīng)用、圖像的合成、24位彩色圖像的處理、JPEG圖像的壓縮編碼。
標(biāo)簽： 圖像 數(shù)字圖像處理 實(shí)現(xiàn)技術(shù) 位圖
上傳時(shí)間： 2014-12-08
上傳用戶：comua
車牌定位－－－VC++源代碼程序 1.24位真彩色->256色灰度圖。 2.預(yù)處理:中值濾波。 3.二值化:用一個(gè)初始閾值T對(duì)圖像A進(jìn)行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對(duì)不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對(duì)圖像B做簡(jiǎn)單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會(huì)影響整體效果。 5.用自定義模板進(jìn)行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對(duì)G進(jìn)行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測(cè)車牌水平位置,利用垂直投影法檢測(cè)車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時(shí)間： 2013-11-26
上傳用戶：懶龍1988
多維顏色直方圖：：文中利用Matlab軟件對(duì)真彩色圖像高堆直方因數(shù)據(jù)的可視化進(jìn)行了實(shí)踐研究，并給出了 制作高雛直方圖的相應(yīng)程序。高雒直方圖的可視化對(duì)真彩色圖像分割中正確選擇合適的彩色模型研 究起到了很好的作用。
上傳時(shí)間： 2014-01-12
上傳用戶：大三三
1.24位真彩色->256色灰度圖。 2.預(yù)處理:中值濾波。 3.二值化:用一個(gè)初始閾值T對(duì)圖像A進(jìn)行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對(duì)不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對(duì)圖像B做簡(jiǎn)單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會(huì)影響整體效果。 5.用自定義模板進(jìn)行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對(duì)G進(jìn)行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測(cè)車牌水平位置,利用垂直投影法檢測(cè)車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時(shí)間： 2014-01-08
上傳用戶：songrui
為了實(shí)現(xiàn)彩色柵格地圖道路的全自動(dòng)提取，提出了一種閉環(huán)反饋提取彩色 柵格地圖道路的方法。在地圖圖像數(shù)學(xué)模型的基礎(chǔ)上，根據(jù)地圖中對(duì)象的顏色特征對(duì)地圖圖 像進(jìn)行規(guī)范化處理。在采用一些算法去除噪聲后提取道路，對(duì)道路進(jìn)行細(xì)化處理。依據(jù)道路 和噪聲的特征建立一些判據(jù)判斷道路的正確性，把道路的提取變成了根據(jù)判據(jù)不斷修正道路 的循環(huán)過(guò)程，實(shí)現(xiàn)道路的全自動(dòng)提取。試驗(yàn)結(jié)果表明了該方法具有較高的準(zhǔn)確性、全自動(dòng)化 和通用性。
上傳時(shí)間： 2013-12-25
上傳用戶：咔樂(lè)塢
圖象處理源代碼集 圖像分割是圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域中極為重要的內(nèi)容之一，是實(shí)現(xiàn)自動(dòng)圖像分析時(shí)首先需要完成的操作。它是根據(jù)圖像的某些特征或特征集合的相似性準(zhǔn)則，對(duì)圖像像素進(jìn)行分組聚類，把圖像平面劃分為一系列有意義的區(qū)域，使其后的圖像分析及識(shí)別等高級(jí)處理階段所要處理的數(shù)據(jù)量大大減少，同時(shí)又保留有關(guān)圖像結(jié)構(gòu)特征的信息。由于分割中出現(xiàn)的誤差會(huì)傳播至高層次處理階段，因此分割的精確程度是至關(guān)重要的。
上傳時(shí)間： 2014-01-08
上傳用戶：vodssv
在圖像模板匹配問(wèn)題中,基于像素灰度值的相關(guān)算法盡管已經(jīng)十分普遍,并得到廣泛的應(yīng)用,但目前此類算法都還存在有時(shí)間復(fù)雜度高、對(duì)圖像亮度與尺寸變化敏感等缺點(diǎn).為了克服這些缺點(diǎn),提出一種新的基于圖像灰度值的編碼表示方法.這種方法將圖像分割為一定大小的方塊(稱為R-塊),計(jì)算每個(gè)R-塊圖像的總灰度值,并根據(jù)它與相鄰R-塊灰度值的排序關(guān)系進(jìn)行編碼.然后通過(guò)各個(gè)R-塊編碼值的比較,實(shí)現(xiàn)圖像與模板的匹配.新算法中各個(gè)R-塊編碼的計(jì)算十分簡(jiǎn)單 匹配過(guò)程只要對(duì)編碼值進(jìn)行相等比較,而且可以采用快速的比較算法.新算法對(duì)像素灰度的變化與噪聲具有魯棒性,其時(shí)間復(fù)雜度是O(M2log(N)).實(shí)驗(yàn)結(jié)果表明,新算法比現(xiàn)有的灰度相關(guān)算法的計(jì)算時(shí)間快了兩個(gè)數(shù)量級(jí).
上傳時(shí)間： 2013-12-21
上傳用戶：a673761058
。該文介紹了目前鏡頭分割的常用方法，包括灰度分割法、邊緣分割法、彩色直方圖分割法、MPEG視頻的分割方法、 塊匹配鏡頭分割方法、統(tǒng)計(jì)判決鏡頭分割方法、基于聚類的鏡頭分割方法、鏡頭漸變的檢測(cè)
上傳時(shí)間： 2013-12-09
上傳用戶：蟲蟲蟲蟲蟲蟲
matlab實(shí)現(xiàn)商標(biāo)文字分割~第一部分計(jì)算列梯度差，計(jì)算每個(gè)像素的列方向一定范圍內(nèi)（n）最大值和最小值的差距,統(tǒng)計(jì)該差值超過(guò)某一設(shè)定域值T的像素的個(gè)數(shù)，并將該統(tǒng)計(jì)個(gè)數(shù)存在 GY 向量。，第二部分計(jì)算行梯度差，計(jì)算每個(gè)像素的行方向一定范圍內(nèi)（n）最大值和最小值的差距，統(tǒng)計(jì)該差值超過(guò)某一設(shè)定域值T的像素的個(gè)數(shù)，并存在 GX 向量
標(biāo)簽： matlab 商標(biāo) 分割 分
上傳時(shí)間： 2016-06-24
上傳用戶：chenbhdt
提出了一種基于CCD圖像的塑料齒輪齒形缺陷檢測(cè)方法。采用A102FCCD數(shù)字?jǐn)z像頭采集塑料齒輪的圖像, 經(jīng) 過(guò)IEEE1394數(shù)字接口卡傳輸?shù)接?jì)算機(jī)。對(duì)含有噪聲的原始數(shù)字圖像實(shí)施平滑處理、圖像分割、輪廓提取及細(xì)化等處理, 使圖像轉(zhuǎn)變成易于檢測(cè)的單像素寬邊緣信息。檢測(cè)了齒輪中心孔的圓心, 進(jìn)而對(duì)齒輪齒形缺陷進(jìn)行檢測(cè)。理論分析及實(shí)驗(yàn) 結(jié)果表明該方法檢測(cè)速度快、精度高, 滿足產(chǎn)品在線檢測(cè)的要求。
上傳時(shí)間： 2016-07-18
上傳用戶：dapangxie
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
