毕业设计论文参考,主要涉及图像处理技术在国外的发展历程
2025/1/2 19:57:20 5.74MB 计算机图像
1
raw格式图片是相机直接拍摄出的一种格式,一般看到的图像是经过转换格式的,在开发图像处理相关的产品时,需要测试图像转码,例如bayer转RGB,那么输入就是raw格式的。
2025/1/1 17:36:24 23.12MB RAW图片
1
图像的统计特性,融合,傅里叶变换等等,原创
1
数字图像处理(冈萨雷斯版)相关讲义,适合初级同学入门。
内容比较详细,可供学习。
2024/12/31 15:29:31 19.1MB 数字图像处理 冈萨雷斯
1
特征提取与图像处理(第二版)pdf,图像处理必学书籍。
2024/12/30 13:52:29 42.09MB 图像处理
1
这个软件以及代码是关于MFC实现运动目标检测的,由于程序比较大,代码比较多,需要认真思考
2024/12/29 13:53:52 13.55MB opencv MFC
1
讲述labview+IMAQ处理图像的资料,包括图像采集,图像传输,图像处理,图像分析一套完整的流程,是比较全的IMAQ资料,你值得拥有(注:是英文版)
2024/12/29 12:39:40 19.17MB labview IMAQ
1
在精密测量、自动化装配和机器人等诸多领域,往往需要对圆形器件或图标进行识别和定位,而目前传统的检测方法是Hough变换,计算复杂,对资源需求大,且不利于实时控制.本文利用圆形几何对称的性质,采用基于颜色分类方法,提出一种非Hough变换的圆的检测方法,从而达到对彩色图像中圆形目标进行快速识别的目的.设计了算法的流程,编制了相应的圆识别程序,通过对足球机器人定位的验证,表明该算法具有运算速度快及对畸变的圆形目标适应性好等优点,为图像处理中圆目标的快速识别与定位提供了一种借鉴.
2024/12/29 11:46:23 856KB 非Hough变换; 图像识别;
1
小波变换的图像处理%MATLAB2维小波变换经典程序%FWT_DB.M;%此示意程序用DWT实现二维小波变换%编程时间2004-4-10,编程人沙威%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clear;clc;T=256;%图像维数SUB_T=T/2;%子图维数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%1.调原始图像矩阵loadwbarb;%下载图像f=X;%原始图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%2.进行二维小波分解l=wfilters('db10','l');%db10(消失矩为10)低通分解滤波器冲击响应(长度为20)L=T-length(l);l_zeros=[l,zeros(1,L)];%矩阵行数与输入图像一致,为2的整数幂h=wfilters('db10','h');%db10(消失矩为10)高通分解滤波器冲击响应(长度为20)h_zeros=[h,zeros(1,L)];%矩阵行数与输入图像一致,为2的整数幂fori=1:T;%列变换row(1:SUB_T,i)=dyaddown(ifft(fft(l_zeros).*fft(f(:,i)'))).';%圆周卷积FFTrow(SUB_T+1:T,i)=dyaddown(ifft(fft(h_zeros).*fft(f(:,i)'))).';%圆周卷积FFTend;forj=1:T;%行变换line(j,1:SUB_T)=dyaddown(ifft(fft(l_zeros).*fft(row(j,:))));%圆周卷积FFTline(j,SUB_T+1:T)=dyaddown(ifft(fft(h_zeros).*fft(row(j,:))));%圆周卷积FFTend;decompose_pic=line;%分解矩阵%图像分为四块lt_pic=decompose_pic(1:SUB_T,1:SUB_T);%在矩阵左上方为低频分量--fi(x)*fi(y)rt_pic=decompose_pic(1:SUB_T,SUB_T+1:T);%矩阵右上为--fi(x)*psi(y)lb_pic=decompose_pic(SUB_T+1:T,1:SUB_T);%矩阵左下为--psi(x)*fi(y)rb_pic=decompose_pic(SUB_T+1:T,SUB_T+1:T);%右下方为高频分量--psi(x)*psi(y)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%3.分解结果显示figure(1);colormap(map);subplot(2,1,1);image(f);%原始图像title('originalpic');subplot(2,1,2);image(abs(decompose_pic));%分解后图像title('decomposedpic');figure(2);colormap(map);subplot(2,2,1);image(abs(lt_pic));%左上方为低频分量--fi(x)*fi(y)title('\Phi(x)*\Phi(y)');subplot(2,2,2);image(abs(rt_pic));%矩阵右上为--fi(x)*psi(y)title('\Phi(x)*\Psi(y)');subplot(2,2,3);image(abs(lb_pic));%矩阵左下为--psi(x)*fi(y)title('\Psi(x)*\Phi(y)');subplot(2,2,4);image(abs(rb_pic));%右下方为高频分量--psi(x)*psi(y)title('\Psi(x)*\Psi(y)');%%%%%%%
2024/12/29 6:42:54 2KB 小波变换 matlab
1
模板匹配与车牌识别是以计算机数字图像处理,模式识别等技术为基础,对图形进行预处理及边缘检测等过程来实现对车牌区域的定位,然后对车牌区域进行图像裁剪、归一化、字符分割及保存,最后将分割得到的字符图像与模板进行匹配识别,从而输出匹配结果。
代码在matlab可以直接运行。
2024/12/28 11:13:18 1.91MB matlab
1
共 1000 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡