-
灰度共生矩陣MATLAB實(shí)現(xiàn) 聯(lián)合概率矩陣法是對圖像的所有像素進(jìn)行統(tǒng)計(jì)調(diào)查，以便描述其灰度分布的一種方法。
標(biāo)簽：
MATLAB
矩陣
灰度
概率
上傳時(shí)間：
2014-01-10
上傳用戶：chenlong
-
矩陣中的每一個(gè)元素稱為像元、像素或圖像元素。而g(i, j)代表(i, j)點(diǎn)的灰度值，即亮度值。
由于g (i, j)代表該點(diǎn)圖像的光強(qiáng)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(shù)值來表示(i, j)位置點(diǎn)上灰度級值的大小，即只反映了黑白灰度的關(guān)系。
數(shù)字化采樣一般是按正方形點(diǎn)陣取樣的，
標(biāo)簽：
元素
矩陣
像素
圖像
上傳時(shí)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(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
-
通過對影像進(jìn)行預(yù)處理增強(qiáng)道路信息,依據(jù)影
像灰度直方圖信息,對預(yù)處理后的影像進(jìn)行閾值分割,得到一個(gè)包含道路信息的二值影像 進(jìn)一步使用形態(tài)開運(yùn)算去除細(xì)小噪聲,同時(shí)將一部分粘連在道路上的噪聲與道路信息進(jìn)一步分割 接著結(jié)合形態(tài)腐蝕和形態(tài)重建運(yùn)算獲取影像中主要道路網(wǎng)絡(luò)信息,并用形態(tài)閉運(yùn)算完善道路網(wǎng)絡(luò)信息 最后對道路網(wǎng)絡(luò)信息進(jìn)行形態(tài)細(xì)化和一定次數(shù)的形態(tài)修剪處理,得到單像素寬的道路中心線信息
標(biāo)簽：
預(yù)處理
灰度
分
直方圖
上傳時(shí)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(zhuǎn)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(shù)8.取指數(shù)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(biāo)簽：
Matlab
1.256
變換
灰度
上傳時(shí)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(gè)十分重要的課題。經(jīng)
典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰
域內(nèi)灰度的變化, 利用邊緣鄰近一階或二階方向?qū)?
數(shù)變化規(guī)律, 用簡單的方法檢測邊緣。但是, 因?yàn)檫?
緣和噪聲都是高頻信號, 因此許多經(jīng)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?yàn)榫哂袃?yōu)良的邊緣檢測能
力, 因此在圖像處理中得到廣泛應(yīng)用。
標(biāo)簽：
圖像
像素
灰度
變化
上傳時(shí)間：
2014-01-08
上傳用戶：zhanditian
-
視頻捕捉圖片并進(jìn)行灰度處理24真彩圖像轉(zhuǎn)換成8為灰度圖像
標(biāo)簽：
視頻
灰度
圖像
灰度圖像
上傳時(shí)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(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
-
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：
Gmax-G
1.24
Gmax
閾值
上傳時(shí)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(yù)測方法，這是用來學(xué)習(xí)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(biāo)文件的大小和每個(gè)像素的灰度值, jpegll_enc.c和jpegll_dec.c為編碼和解碼文件。
標(biāo)簽：
jpeg
灰度圖像
無損壓縮
預(yù)測方法
上傳時(shí)間：
2016-04-22
上傳用戶：love1314
