我本人写的通过opencv来存储kinect2.0的深度和彩色帧，并且存为jpg格式的图片。
头文件和源文件都在文档中，有注释说明，本人创建工程，连接好kinect之后，即可运行和完成存储。
头文件和源文件都在文档中，有注释说明，本人创建工程，连接好kinect之后，即可运行和完成存储。
2022/9/3 11:37:56
6KB
1
在许多应用中都需要增强彩色图像的细节。
锐化蒙版（UM）是用于细节增强的最经典工具。
已经提出了许多通用的UM方法，例如，有理UM技术，三次模糊技术，自适应UM技术等。
对于彩色图像，这些算法分三个步骤：a）实施color2grey步骤；
b）基于亮度分量（LC）设计高频信息（HFI）提取方法；
c）利用HFI完成增强过程。
但是，仅使用LC的HFI可能会丢失色度分量（CC）的HFI。
提出了一种基于四元数的细节增强算法，既利用亮度又利用CC来提取彩色图像的细节。
设计该算法以解决三个任务：1）设计基于3Dvector旋转的四元数描述的彩色高频信息（CHFI）提取方法；
2）执行CHFI和灰色高频信息（GHFI）的有效融合策略；
3）设计了基于四元数的局部动态范围的测量方法，基于该方法可以确定所提出算法的增强系数。
该算法的功能优于其他许多类似的增强算法。
可以调整八个参数以控制清晰度，以产生所需的结果，从而使该算法具有实用价值。
锐化蒙版（UM）是用于细节增强的最经典工具。
已经提出了许多通用的UM方法，例如，有理UM技术，三次模糊技术，自适应UM技术等。
对于彩色图像，这些算法分三个步骤：a）实施color2grey步骤；
b）基于亮度分量（LC）设计高频信息（HFI）提取方法；
c）利用HFI完成增强过程。
但是，仅使用LC的HFI可能会丢失色度分量（CC）的HFI。
提出了一种基于四元数的细节增强算法，既利用亮度又利用CC来提取彩色图像的细节。
设计该算法以解决三个任务：1）设计基于3Dvector旋转的四元数描述的彩色高频信息（CHFI）提取方法；
2）执行CHFI和灰色高频信息（GHFI）的有效融合策略；
3）设计了基于四元数的局部动态范围的测量方法，基于该方法可以确定所提出算法的增强系数。
该算法的功能优于其他许多类似的增强算法。
可以调整八个参数以控制清晰度，以产生所需的结果，从而使该算法具有实用价值。
2020/11/11 15:23:08
1.33MB
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
深层神经网络拥有更强特征表达能力的同时,也带来了优化难、训练成本高及梯度弥散等问题;参数数量的激增则导致模型过于臃肿,不利于其在挪动端及工业控制设备等算力弱、存储小的平台上的部署.针对这些问题,构建了一种融合空洞卷积和多尺度稀疏结构的轻量神经网络对图像进行特征提取,实现对带有彩色图形噪声且字符扭曲粘连严重的验证码图像的端到端识别.将包含100万张验证码图像的数据集按98:1:1的比例划分为训练集、验证集和测试集,逐批参与训练.实验结果表明,该网络在大大减少参数数量的同时,具有测试集上98.9%的识别成功率.
2017/11/27 15:43:07
1.08MB
1
01中景园电子0.96OLED显示屏原理图02中景园电子0.96OLED显示屏数据手册03中景园电子0.96OLED显示屏测试程序04中景园电子最新程序（显示点、线、圆、不同尺寸字符以及汉子滚动）05中景园电子取字模软件及操作说明08取字模软件09赠送高清0.96与1.3寸IPS彩色显示屏材料10中景园电子0.96寸OLED模组结构图中景园电子0.96寸OLED模块材料V3.020190228中景园电子0.96寸oled显示中文操作方法OLED反白显示技术材料.rarSPI接口arduino连接方式.rar中景园电子取字模软件及操作说明.zip关于七针0.96寸OLED使用IIC接口的说明.rar中景园电子0.96寸OLED使用文档新手必看V2.0.pdf中景园电子0.96寸OLED7pin-SPI规格书.pdf中景园电子0.96寸OLED操作指南.pdf中景园电子0.96寸oled显示中文操作方法.zip
2018/3/12 13:28:41
126.37MB
1
stm32图片显示本扩展实验是应广大用户需求而精心制造.实现读取内部flash的图像数据,并显示在LCD上.本实验的图像数据由image2lcdV2.9生成.(仅支持16位真彩色图片的显示,其他的情况请大家参考本例程,自行设计即可.)本代码可以SWD下载仿真.
2020/5/6 15:25:15
221KB
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