-
灰度共生矩陣MATLAB實現 聯合概率矩陣法是對圖像的所有像素進行統計調查，以便描述其灰度分布的一種方法。
標簽：
MATLAB
矩陣
灰度
概率
上傳時間：
2014-01-10
上傳用戶：chenlong
-
矩陣中的每一個元素稱為像元、像素或圖像元素。而g(i, j)代表(i, j)點的灰度值，即亮度值。
由于g (i, j)代表該點圖像的光強度（亮度），而光是能量的一種形式，故g (i, j)必須大于零，且為有限值，即： 0＜=g (i, j)＜2n。
用g (i, j)的數值來表示(i, j)位置點上灰度級值的大小，即只反映了黑白灰度的關系。
數字化采樣一般是按正方形點陣取樣的，
標簽：
元素
矩陣
像素
圖像
上傳時間：
2013-12-22
上傳用戶：lunshaomo
-
在圖像模板匹配問題中,基于像素灰度值的相關算法盡管已經十分普遍,并得到廣泛的應用,但目前此類算法都還存在有時間復雜度高、對圖像亮度與尺寸變化敏感等缺點.為了克服這些缺點,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),計算每個R-塊圖像的總灰度值,并根據它與相鄰R-塊灰度值的排序關系進行編碼.然后通過各個R-塊編碼值的比較,實現圖像與模板的匹配.新算法中各個R-塊編碼的計算十分簡單 匹配過程只要對編碼值進行相等比較,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,其時間復雜度是O(M2log(N)).實驗結果表明,新算法比現有的灰度相關算法的計算時間快了兩個數量級.
標簽：
圖像
灰度
算法
像素
上傳時間：
2013-12-21
上傳用戶：a673761058
-
通過對影像進行預處理增強道路信息,依據影
像灰度直方圖信息,對預處理后的影像進行閾值分割,得到一個包含道路信息的二值影像 進一步使用形態開運算去除細小噪聲,同時將一部分粘連在道路上的噪聲與道路信息進一步分割 接著結合形態腐蝕和形態重建運算獲取影像中主要道路網絡信息,并用形態閉運算完善道路網絡信息 最后對道路網絡信息進行形態細化和一定次數的形態修剪處理,得到單像素寬的道路中心線信息
標簽：
預處理
灰度
分
直方圖
上傳時間：
2013-12-12
上傳用戶：heart520beat
-
VC跟Matlab混合編程 VC與Matlab案例1.256色轉灰度圖2.對比度拉伸3.二值化變換4.反色5.灰度均衡6.亮度增減7.取對數8.取指數9.圖像鏡像10.圖像平移11.閾值變換12.直方圖均衡VC程序
標簽：
Matlab
1.256
變換
灰度
上傳時間：
2016-03-31
上傳用戶：zhanditian
-
圖像的邊緣是指圖像中鄰域灰度有顯著變化
的像素的集合。它是圖像的基本特征, 因此邊緣檢
測方法在圖像處理中成為一個十分重要的課題。經
典的邊緣提取方法是考察圖像的每個像素在某個鄰
域內灰度的變化, 利用邊緣鄰近一階或二階方向導
數變化規律, 用簡單的方法檢測邊緣。但是, 因為邊
緣和噪聲都是高頻信號, 因此許多經典邊緣檢測算
法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢
測算子中, 算子因為具有優良的邊緣檢測能
力, 因此在圖像處理中得到廣泛應用。
標簽：
圖像
像素
灰度
變化
上傳時間：
2014-01-08
上傳用戶：zhanditian
-
視頻捕捉圖片并進行灰度處理24真彩圖像轉換成8為灰度圖像
標簽：
視頻
灰度
圖像
灰度圖像
上傳時間：
2017-07-17
上傳用戶：yiwen213
-
車牌定位－－－VC++源代碼程序
1.24位真彩色->256色灰度圖。
2.預處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進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性,能夠保證背景基本被置為0,以突出牌照區域。
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,不會影響整體效果。
5.用自定義模板進行中值濾波
區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.區域裁剪,截取車牌圖像。
標簽：
1.24
256
圖像
閾值
上傳時間：
2013-11-26
上傳用戶：懶龍1988
-
1.24位真彩色->256色灰度圖。
2.預處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進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性,能夠保證背景基本被置為0,以突出牌照區域。
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,不會影響整體效果。
5.用自定義模板進行中值濾波
區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.區域裁剪,截取車牌圖像。
標簽：
Gmax-G
1.24
Gmax
閾值
上傳時間：
2014-01-08
上傳用戶：songrui
-
包含了對于灰度圖像的8種jpeg無損壓縮的預測方法，這是用來學習jpeg loseless compression的非常好的例子。idc.h為頭文件, image_size.c和readimage.c用來讀取目標文件的大小和每個像素的灰度值, jpegll_enc.c和jpegll_dec.c為編碼和解碼文件。
標簽：
jpeg
灰度圖像
無損壓縮
預測方法
上傳時間：
2016-04-22
上傳用戶：love1314
