图像找茬游戏是时下非常流行的游戏之一，人眼通过对比找出图像中差异较大的位置是一件较为有难度的事情，但是对于计算机来说精确找出图像差异却是一件简单的事情。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
2025/6/14 13:51:24
14.45MB
1
针对复杂运动背景中慢速小目标检测误检率高，实时性差等问题，提出了基于自适应阈值分割的慢速小目标检测算法。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
2025/6/11 7:02:40
1.65MB
1
提取图像灰度信息—＞利用均值哈希算法得到图像的二值编码—＞计算汉明距离判断图像相似性—＞得到最终检索结果
2025/5/22 10:11:22
119.45MB
1
对获取到的车牌图像用MATLAB进行预处理（包括灰度化处理，二值化处理，中值滤波等）边缘化处理、形态学处理来确定车牌的位置。
2025/5/21 13:09:43
5.94MB
1
本段代码是利用大津法分割阈值，获得二值图像，随后利用小面积法删除背景区域，经过运算获得肺实质的掩模图像，最后，经过原dcm图像与掩模图像的运算，获得完整的肺实质图像，完成肺实质的粗提取。
2025/5/7 2:03:01
3KB
1
以新疆红富士苹果为研究对象,探讨应用高光谱图像技术和最小外接矩形法预测其大小的研究方法。
提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。
比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。
对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。
结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。
提取苹果高光谱图像中可见红色区域受色度影响较小的713nm以及近红外区域793和852nm的3个波长图像,做双波段比运算处理。
比较所得双波段比图像可知,852/713双波段比图像中背景和前景灰度对比度最大。
对该图像做阈值分割以及形态闭运算去除果梗区域,使用8邻接边界跟踪法得到二值图像的轮廓坐标序列,采用最小外接矩形法求苹果的大小,与实测值建立回归方程。
结果表明,基于高光谱图像技术采用波段比算法,结合最小外接矩形法,能够有效地检测苹果大小,预测值与实际值最大绝对误差为3.06mm,均方根误差为1.21mm。
2025/4/29 18:04:53
359KB
1
改进的Bradley二值化matlab程序，相比bersen或otsu算法，有较快的速率和较好的二值化效果，可以克服一定的光照不均。
2025/4/22 6:50:53
2KB
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