一、课题背景雾，在很大程度上会降低能见度，因此在此情况下拍摄的图像对比度也会遭到严重的影响。
尤其是在智能化的今天，对于交通领域的影响表现的尤为明显。
因此，找到应对这种自然现象造成的图像对比度减弱问题的解决办法对于整个领域的发展是非常有现实意义的。
近年来，随着互联网技术的不断发展，关于图像处理方面的技术也趋于成熟，特别是在户外视觉方面的进步也尤为突出。
其已经不仅仅局限在户外，在其他领域也有所涉及。
MATLAB本身具有非常强大的图像处理功能，通过仔细调研发现其能够将在恶劣天气条件下拍摄的图像进行处理，进一步提高图像对比度以接近于原始图像。
本次研究主要使用三种算法队图像进行去雾处理。
分别是局部
尤其是在智能化的今天，对于交通领域的影响表现的尤为明显。
因此，找到应对这种自然现象造成的图像对比度减弱问题的解决办法对于整个领域的发展是非常有现实意义的。
近年来，随着互联网技术的不断发展，关于图像处理方面的技术也趋于成熟，特别是在户外视觉方面的进步也尤为突出。
其已经不仅仅局限在户外，在其他领域也有所涉及。
MATLAB本身具有非常强大的图像处理功能，通过仔细调研发现其能够将在恶劣天气条件下拍摄的图像进行处理，进一步提高图像对比度以接近于原始图像。
本次研究主要使用三种算法队图像进行去雾处理。
分别是局部
2021/6/15 4:32:38
8.07MB
1
设计并实现了基于图像检索的地标识别系统。
该系统通过捕捉地标的视觉特征，协助游客或使用者更好地理解图像的内容并同时提供图像拍摄的地理位置信息。
首先根据提取的SURF特征搜寻地标在数据库中的最优匹配，然后根据最优匹配结果给出输入地标在地图中的位置。
系统采用的层次化数据库结构和分级检索方式，使得检索效率比传统的遍历检索方式提高30%。
大量实验证明文中提出的算法具有鲁棒性和高准确性，该系统已在高校内部地标识别中测试使用成功。
该系统通过捕捉地标的视觉特征，协助游客或使用者更好地理解图像的内容并同时提供图像拍摄的地理位置信息。
首先根据提取的SURF特征搜寻地标在数据库中的最优匹配，然后根据最优匹配结果给出输入地标在地图中的位置。
系统采用的层次化数据库结构和分级检索方式，使得检索效率比传统的遍历检索方式提高30%。
大量实验证明文中提出的算法具有鲁棒性和高准确性，该系统已在高校内部地标识别中测试使用成功。
2015/7/23 17:04:01
1.09MB
1
超级实用的绿色小工具，可以批量对文件夹、文件、子目录、隐藏文件进行重命名、正则婚配文件名替换、删除中文或数字或符号或字符、添加前缀或者后缀、添加创建时间或修改日期或拍摄日期作为前缀或后缀、自动编号、移动复制扩展名等等，反正超实用。
2020/10/25 15:29:37
304KB
1
白平衡+同态滤波+亮度归一化的MATLAB代码，组合运用刻意将夜晚拍摄的照片变得和白天拍摄的效果一样
2019/11/18 10:54:21
3.04MB
1
用Python进行人脸识别附源码，进行了多张图片的测试，可以很精准的定位在人脸的部位，以方框来标记人脸部位，和android智能手机拍摄时的人脸识别效果相似，但代码差别就大了，有兴味的下载完整源代码吧。
调试时，请参考源码包中的运行路径.jpg和运行命令.txt两个文件。
调试时，请参考源码包中的运行路径.jpg和运行命令.txt两个文件。
2017/7/18 22:21:23
210KB
1
这是高速公路上通过车载前置摄像头拍摄的图片，图片内容次要是夜间前方车辆的背面，一共5576张图片，其中分辨率为640*360的有2664张，分辨率为720*405的有2912张。
2015/1/23 5:02:50
210.96MB
1
ORL人脸数据集一共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。
此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。
所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。
对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，浅笑/不浅笑）和面部细节（戴眼镜/不戴眼镜）环境下采集的。
所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。
每个目录分别命名为sx，其中x表示受试者编号（在1到40之间）。
在每一个目录所选受试者的10
此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。
所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。
对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，浅笑/不浅笑）和面部细节（戴眼镜/不戴眼镜）环境下采集的。
所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。
每个目录分别命名为sx，其中x表示受试者编号（在1到40之间）。
在每一个目录所选受试者的10
2022/9/6 18:03:45
9.2MB
1
该源码来源于网络经过改良，C#FRAMEWORK3.5环境下运转（VS2010开发），可拍摄照片（已自动5秒拍照一次），可录像（录像默认路径：E:\video\），绝对可用，下载后可直接运转DEBUG目录下OperateCamera.exe看效果！
2022/9/6 4:22:10
13.93MB
1
matlab将的图片拼合代码运动的两视图结构如何运行：为了使该程序平稳运行，请确保您的Matlab版本具有计算机视觉工具箱。
result文件夹包含最终对象。
层模型显示在程序的末尾，但是您也可以在任何3D软件（例如Blender或Meshlab）中查看它。
为了用户的温馨，建议将背景颜色从黑色更改为较浅的颜色（例如绿色）。
要启动该程序，请运行文件main.m在运行时，将显示图像的关键和匹配功能以及最终生成的3D点云的图形。
该程序的主要步骤：解密本征矩阵文本文件。
提取并匹配两个图像的关键特征。
估计然后分解基本矩阵。
将匹配的点三角剖分成3D模型。
创建最终的PLY模型。
如何制作自己的模型：从相似但不同的视图中拍摄同一对象的两张图片。
建议水平方向。
使用Matlab工具箱校准相机，然后将生成的本征矩阵写入一个名为intrinsic.txt的文件中，该文件必须与两个图像放置在同一文件夹中。
在第4行上添加图像的尺寸。
将它们放在同一文件夹中，然后修改main.m以指向图像。
添加如下代码：Structure_from_Motion(image1Path,image
result文件夹包含最终对象。
层模型显示在程序的末尾，但是您也可以在任何3D软件（例如Blender或Meshlab）中查看它。
为了用户的温馨，建议将背景颜色从黑色更改为较浅的颜色（例如绿色）。
要启动该程序，请运行文件main.m在运行时，将显示图像的关键和匹配功能以及最终生成的3D点云的图形。
该程序的主要步骤：解密本征矩阵文本文件。
提取并匹配两个图像的关键特征。
估计然后分解基本矩阵。
将匹配的点三角剖分成3D模型。
创建最终的PLY模型。
如何制作自己的模型：从相似但不同的视图中拍摄同一对象的两张图片。
建议水平方向。
使用Matlab工具箱校准相机，然后将生成的本征矩阵写入一个名为intrinsic.txt的文件中，该文件必须与两个图像放置在同一文件夹中。
在第4行上添加图像的尺寸。
将它们放在同一文件夹中，然后修改main.m以指向图像。
添加如下代码：Structure_from_Motion(image1Path,image
2019/3/7 21:16:22
14.42MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB