Otsu，大津法（最大类间方差）阈值分割。
接纳分块思想，将一副图像的灰度图分成若干个子图像，对每个子图像进行Otsu阈值分割，再拼接。
Matlab2016a
接纳分块思想，将一副图像的灰度图分成若干个子图像，对每个子图像进行Otsu阈值分割，再拼接。
Matlab2016a
2016/1/15 22:25:16
2KB
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
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
在VC下对遥感图像进行处理，内容实现比较丰富，包括：灰度与彩色图像的线性拉伸，直方图均衡，旋转缩放平移，RGB-＞HIS,HIS-＞RGB,彩色图像灰度化,W伪彩色加强，腐蚀，膨胀，开闭运算，五种植被指数，变化检测（比值法，灰度分割法，相关系数法），空间域加权融合，不加权融合，HIS融合，K均值分类附有测试图片，可对灰度图与彩色图进行处理
2018/4/4 7:51:07
3.4MB
1
在VC下对遥感图像进行处理，内容实现比较丰富，包括：灰度与彩色图像的线性拉伸，直方图均衡，旋转缩放平移，RGB-＞HIS,HIS-＞RGB,彩色图像灰度化,W伪彩色加强，腐蚀，膨胀，开闭运算，五种植被指数，变化检测（比值法，灰度分割法，相关系数法），空间域加权融合，不加权融合，HIS融合，K均值分类附有测试图片，可对灰度图与彩色图进行处理
2015/4/24 3:06:24
3.4MB
1
读取一景TM影像的3、4波段，计算NDVI，用灰度图显示出来，并保存为Envi格式文件；
引荐调用函数：envi_pickfile,envi_open_fileEnvi_file_queryEnvi_get_map_infoEnvi_get_dataFloatwindowTvtvsclEnvi_write_envi_fileENVI_FILE_MNG
引荐调用函数：envi_pickfile,envi_open_fileEnvi_file_queryEnvi_get_map_infoEnvi_get_dataFloatwindowTvtvsclEnvi_write_envi_fileENVI_FILE_MNG
2018/6/1 2:41:48
747B
1
CMUMulti-PIE人脸数据库包含超过750,000张337人的图像，这些图像在五个月内最多可记录四次。
受试者在15个视点和19个照明条件下成像，同时显示一系列面部表情。
此外，还获得了高分辨率正面图像。
总的来说，数据库包含超过305GB的面部数据。
资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。
受试者在15个视点和19个照明条件下成像，同时显示一系列面部表情。
此外，还获得了高分辨率正面图像。
总的来说，数据库包含超过305GB的面部数据。
资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。
2016/7/18 17:33:03
14.38MB
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