C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
1
C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
1
基于matlab调用电脑摄像头，对每一帧进行人脸识别，检测人脸的位置，在一定帧数范围内动态追踪人脸的位置。
(参数设置中设置nFrame的大小可以调整总帧数，即程序持续运转时间；
vidDevice=imaq.VideoDevice('winvideo',2,'YUY2_640x480',...'ROI',[11640480],...'ReturnedColorSpace','rgb');)中数字“2”表示调用电脑USB摄像头，改为“1”可调整为使用电脑内置摄像头。
(参数设置中设置nFrame的大小可以调整总帧数，即程序持续运转时间；
vidDevice=imaq.VideoDevice('winvideo',2,'YUY2_640x480',...'ROI',[11640480],...'ReturnedColorSpace','rgb');)中数字“2”表示调用电脑USB摄像头，改为“1”可调整为使用电脑内置摄像头。
2015/4/8 6:21:04
1KB
1
halcon与C#联合编程之鼠标控制图片缩放，拖动，画roi可交互ROI,运用时请将halcondotnet.dllhalcon.dll放到debug文件夹下
2015/3/14 16:06:21
168KB
1
一个37类pet数据集，每个类大约有200张图片。
这些图像在比例、姿态和光线上都有很大的变化。
所有的图像都有相应的品种、头部ROI和像素级trimap分割的groundtruth注释。
这些图像在比例、姿态和光线上都有很大的变化。
所有的图像都有相应的品种、头部ROI和像素级trimap分割的groundtruth注释。
2016/4/19 6:19:34
773.52MB
1
1.本资源主要是基于python-opencv进行开发的，主要功能是用鼠标提取不规则的ROI以便进行后续处理。
2.https://blog.csdn.net/imwaters/article/details/80808491博文配套代码，整理了一些参考资料。
代码基本是一样的，有分的麻烦还是下载支持一下。
2.https://blog.csdn.net/imwaters/article/details/80808491博文配套代码，整理了一些参考资料。
代码基本是一样的，有分的麻烦还是下载支持一下。
2016/1/20 9:25:48
2.74MB
1
halcon与C#联合编程之鼠标控制图片缩放，拖动，roi,C#源代码及详细正文
2020/9/7 15:07:14
13.32MB
1
这是一本入门的书,其宗旨是向读者引见经典的和现代的图像重建方法.本书涵盖了二维(2D)平行光束和扇形束成像,三维(3D)平行线,平行面,及锥形束成像.包括解析算法和迭代算法.本书还描述了这些算法在X光CT,SPECT,PET,和MRI等医学影像中的应用.本书对最新的研究成果,如使用截断的投影数据精确重建ROI,Katsevich的锥形束滤波反投影(FBP)算法,以及利用l0极小化方法来重建极度欠采样数据.
2018/5/6 14:24:13
2.3MB
1
输出RTdose文件的地址，以及ROI的number(dicom文件中每个器官都相应的number)，该代码可以从RTdose文件中提取相应的DVH数据
2019/1/10 5:53:33
849B
1
选择图像中的roi区域在图像处理中有重要意义，demo应用橡皮筋类crectTracker选择图像roi区域。
2022/9/6 21:44:08
10.58MB
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