为了精确评价纱线疵点的种类与个数,提出了一种融合空间模糊C-均值(FCM)聚类的纱线疵点检测算法。
首先利用融合空间FCM聚类算法提取纱线条干;然后对纱线条干进行形状学开运算处理,以获取精确的纱线条干,并利用条干上下边缘点之间的像素个数计算纱线的直径与平均直径;最后根据纱线疵点标准判定纱线疵点的种类与个数。
为了验证本算法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容性纱疵分级仪的检测结果进行对比。
结果表明,本算法与电容性的检测结果一致性较好,且价格低廉,不易受环境温度、湿度等因素的影响。
首先利用融合空间FCM聚类算法提取纱线条干;然后对纱线条干进行形状学开运算处理,以获取精确的纱线条干,并利用条干上下边缘点之间的像素个数计算纱线的直径与平均直径;最后根据纱线疵点标准判定纱线疵点的种类与个数。
为了验证本算法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容性纱疵分级仪的检测结果进行对比。
结果表明,本算法与电容性的检测结果一致性较好,且价格低廉,不易受环境温度、湿度等因素的影响。
2019/9/9 14:33:50
2.81MB
1
由于目前大多数交互式Graph-Cut分割算法很难达到精确分割且实时交互的效果.对此,提出一种基于局部颜色模型的改进算法.该算法利用Mean-Shift预分割,建立基于局部颜色模型的交互式分割框架,并将像素级的Graph-Cut算法转化为基于区域的算法进行快速求解.预分割之后的区域保持了原有图像的结构,不只提高了采用局部颜色模型估计分布的准确性,而且基于区域Graph-Cut的算法明显降低了计算的复杂度.实验结果表明,改进后的算法不只保证了分割的精确性,而且还达到了实时交互.
2017/11/5 4:27:31
818KB
1
字符包括汉字，字母，数字和一些符号。
汉字有几千个，字母有几十个，数字的类最少只要10个，所以选择简单的手写数字字符来实现。
结合三个相关的程序和论文，一个是语音特征的分类（不调用神经网络工具箱相关函数实现），另外两个是关于手写数字识别的。
处理的数据集是放在10个文件夹里，文件夹的名称对应存放的手写数字图片的数字，每个数字500张,每张图片的像素统一为28*28
汉字有几千个，字母有几十个，数字的类最少只要10个，所以选择简单的手写数字字符来实现。
结合三个相关的程序和论文，一个是语音特征的分类（不调用神经网络工具箱相关函数实现），另外两个是关于手写数字识别的。
处理的数据集是放在10个文件夹里，文件夹的名称对应存放的手写数字图片的数字，每个数字500张,每张图片的像素统一为28*28
2019/5/1 2:27:01
2.89MB
1
C#图片对比高速找图源码源码描述：C#高速找图程序，比较图片的细节处有何异同，像素级的图片比较器，大图找小图，模糊找图，透明找图，Bitmap大图=newBitmap(@"无标题.bmp"); Bitmap完全对比=newBitmap(@"完全对比.bmp"); Bitmap类似度=newBitmap(@"类似度.bmp"); Bitmap透明=newBitmap(@"透明.bmp"); 在大图里找小图，容错值取值0--255，数值越高效率越低，不建议超过50。
2019/9/16 2:21:13
3.05MB
1
本人训练SVM分类器进行HOG行人检测.环境为VS2010+OpenCV2.4.4.使用时请自行修改工程的include目录和lib目录配置。
正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。
负样本是从不包含人体的图片中随机裁取的，大小同样是64*128。
SVM使用的是OpenCV自带的CvSVM类。
正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。
负样本是从不包含人体的图片中随机裁取的，大小同样是64*128。
SVM使用的是OpenCV自带的CvSVM类。
2016/1/26 4:29:46
23.65MB
1
[FLASH/AS1/2]简易涂鸦板（带本地保存功能与撤消上一步功能）作者:古树悬叶日期:2010-01-07二类涂鸦板：一种是主流的通过保存鼠标轨迹的方式来保存涂鸦数据，既使用矢量的方式来保存，样例如闪吧的涂鸦程序；
另一种是通过保存BitmapData颜色值的方式来保存，样例还没有找到比较像样的样例。
在《内置方法Array.shift与自定义循环++的执行效率比较》一文中，我已经对shift方法与自定义的++方式分别作了比较。
虽然自定义++的方式比shift方法要快，但事实它们二者的效率都很低。
由于SharedObject类是无法直接保存BitmapData对象的，所以只能将BitmapData的所有位图像素的每一个像素取ARGB值后保存。
一张位图按500像素x500像素算，自定义++需要3秒多，而shit方法脚本超时。
所以通过BitmapData的颜色方式来保存只能保存较小的位图。
所以通过鼠标轨迹的方式保存涂鸦成了主流。
此涂鸦板在涂鸦之后会自动将涂鸦保存在本地，并且可以撤消上一步操作。
涂鸦画线功能我是直接从FLASH协助文件中考贝出来的，我在涂鸦功能的基础上添加了本地保存和撤消的功能。
（代码可以扩展成自定义线条粗细，自定义线条颜色，透明度等等。
还可以添加新的数据用来记录被撤消的步聚，这样不旦可以撤消还有了重做功能。
甚至还可以在tempArray.push添加新的数组，同时保存不同线条粗细、颜色、透明度的涂鸦，做成一个类似画板的程序。
）
另一种是通过保存BitmapData颜色值的方式来保存，样例还没有找到比较像样的样例。
在《内置方法Array.shift与自定义循环++的执行效率比较》一文中，我已经对shift方法与自定义的++方式分别作了比较。
虽然自定义++的方式比shift方法要快，但事实它们二者的效率都很低。
由于SharedObject类是无法直接保存BitmapData对象的，所以只能将BitmapData的所有位图像素的每一个像素取ARGB值后保存。
一张位图按500像素x500像素算，自定义++需要3秒多，而shit方法脚本超时。
所以通过BitmapData的颜色方式来保存只能保存较小的位图。
所以通过鼠标轨迹的方式保存涂鸦成了主流。
此涂鸦板在涂鸦之后会自动将涂鸦保存在本地，并且可以撤消上一步操作。
涂鸦画线功能我是直接从FLASH协助文件中考贝出来的，我在涂鸦功能的基础上添加了本地保存和撤消的功能。
（代码可以扩展成自定义线条粗细，自定义线条颜色，透明度等等。
还可以添加新的数据用来记录被撤消的步聚，这样不旦可以撤消还有了重做功能。
甚至还可以在tempArray.push添加新的数组，同时保存不同线条粗细、颜色、透明度的涂鸦，做成一个类似画板的程序。
）
2022/10/20 14:34:07
11KB
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