本书将理论知识、科学研究和工程实践有机结合起来，介绍了数字图像处理和识别技术的方方面面，内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。
本书还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ann)和支持向量机(svm)，并在配套给出的识别案例中直击光学字符识别(ocr)和人脸识别两大热点问题。
全书结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生以及工作在图像处理和识别领域一线的广大工程技术人员阅读。
本书还对于机器视觉进行了前导性的探究，重点介绍了两种在工程技术领域非常流行的分类技术——人工神经网络(ann)和支持向量机(svm)，并在配套给出的识别案例中直击光学字符识别(ocr)和人脸识别两大热点问题。
全书结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生以及工作在图像处理和识别领域一线的广大工程技术人员阅读。
2023/6/11 14:20:30
41.82MB
1
苹果的图像特征提取，只需运行“apple.m”就可以了按照灰度化，直方图均衡化，中值滤波，边缘检测，特征提取的顺序来特征提取中，取得“比例系数”时，选择一张横径图片，序号与之前选择图像的相同
2015/3/13 21:08:52
181KB
1
资源包含文件：课程word+答辩PPT+项目源码及测试图片数字图像中阴影是普遍存在的，而且其为数字图像处理的很多任务，如图像特征提取，图像识别，图像分割带来了不利的影响。
一个有效的阴影检测与去除方法可以为接下来的图像处理带来很多便利。
与同表面非阴影区域相比，图像中阴影区域一般会具有以下特征：其亮度会明显比非阴影区域低；
与非阴影区域有分界，界线宽度一般不大，在界线上存在渐变；
阴影区域的颜色通道比例和非阴影区域比较接近。
我们可以利用这些特征来完成阴影检测的工作。
详细引见参考：https://blog.csdn.net/sheziqiong/article/details/125589942
一个有效的阴影检测与去除方法可以为接下来的图像处理带来很多便利。
与同表面非阴影区域相比，图像中阴影区域一般会具有以下特征：其亮度会明显比非阴影区域低；
与非阴影区域有分界，界线宽度一般不大，在界线上存在渐变；
阴影区域的颜色通道比例和非阴影区域比较接近。
我们可以利用这些特征来完成阴影检测的工作。
详细引见参考：https://blog.csdn.net/sheziqiong/article/details/125589942
2022/9/25 21:45:41
6.97MB
1
本书的第1章和第2章介绍了数字图像处理的基本概念和技术，后续几章介绍了数字图像处理和计算机视觉领域的几个应用实例，包括指纹识别系统、数字水印技术、条形码技术、印鉴鉴定系统、光学字符识别技术以及基于视觉的手势识别系统。
本书的最大特色在于，对识别技术中的大多数问题，不仅给出了关于算法的详细介绍，还给出了基于C/VisualC++6.0的实现代码，具有一定的扩展性。
有的实例还给出了不同方法的实现过程，以供读者选择。
本书可作为读者学习数字图像处理的教程，也可作为毕业设计或工程开发的参考书本书系统地介绍了图像处理与识别的基本原理、典型方法和实用技术。
全书共分12章，第1章～第6章是图像处理与识别的基础内容，包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别；
第7章～第10章是图像处理与识别的工程实例，涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例，并结合理论算法，提供了大量MATLAB代码程序，以协助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。
第11章～第12章，是两个综合性较强的实例，分别是VisualC++实现的基于神经网络的文字识别系统和车牌定位系统。
本书的最大特色在于，对识别技术中的大多数问题，不仅给出了关于算法的详细介绍，还给出了基于C/VisualC++6.0的实现代码，具有一定的扩展性。
有的实例还给出了不同方法的实现过程，以供读者选择。
本书可作为读者学习数字图像处理的教程，也可作为毕业设计或工程开发的参考书本书系统地介绍了图像处理与识别的基本原理、典型方法和实用技术。
全书共分12章，第1章～第6章是图像处理与识别的基础内容，包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别；
第7章～第10章是图像处理与识别的工程实例，涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例，并结合理论算法，提供了大量MATLAB代码程序，以协助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。
第11章～第12章，是两个综合性较强的实例，分别是VisualC++实现的基于神经网络的文字识别系统和车牌定位系统。
2017/6/11 23:16:37
8.18MB
1
指纹图像的特征提取是指纹识别的关键，而指纹婚配通常基于细节点婚配。
指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响婚配精度。
本章采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹婚配。
基于MATLAB实现的指纹细节特征提取方法，并给出了去伪算法，算法实现简单快速，而且具有较高的准确率。
指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响婚配精度。
本章采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹婚配。
基于MATLAB实现的指纹细节特征提取方法，并给出了去伪算法，算法实现简单快速，而且具有较高的准确率。
2017/8/17 10:01:11
150KB
1
运用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）
2018/7/12 22:13:04
36.25MB
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