-
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、圖像分割及測量、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。對圖像B做簡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車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區(qū)域裁剪,截取車牌圖像。
標(biāo)簽：
1.24
256
圖像
閾值
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。
標(biāo)簽：
Matlab
多維
可視化
直方圖
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。對圖像B做簡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?？紤]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車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區(qū)域裁剪,截取車牌圖像。
標(biāo)簽：
Gmax-G
1.24
Gmax
閾值
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)地圖中對象的顏色特征對地圖圖
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。
標(biāo)簽：
彩色
地圖
全自動(dòng)
上傳時(shí)間：
2013-12-25
上傳用戶：咔樂塢
-
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。
標(biāo)簽：
圖象處理
圖像分割
圖像處理
源代碼
上傳時(shí)間：
2014-01-08
上傳用戶：vodssv
-
在圖像模板匹配問題中,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)算十分簡單 匹配過程只要對編碼值進(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.
標(biāo)簽：
圖像
灰度
算法
像素
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
標(biāo)簽：
鏡頭分割
常用方法
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方法。采用A102FCCD數(shù)字?jǐn)z像頭采集塑料齒輪的圖像, 經(jīng)
過IEEE1394數(shù)字接口卡傳輸?shù)接?jì)算機(jī)。對含有噪聲的原始數(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)變成易于檢測的單像素寬邊緣信息。檢測了齒輪中心孔的圓心, 進(jìn)而對齒輪齒形缺陷進(jìn)行檢測。理論分析及實(shí)驗(yàn)
結(jié)果表明該方法檢測速度快、精度高, 滿足產(chǎn)品在線檢測的要求。
標(biāo)簽：
A102
1394
FCCD
IEEE
上傳時(shí)間：
2016-07-18
上傳用戶：dapangxie
