采用opengl和shader实现鱼眼校正，速度不是问题；
校opencv方法简单，速度更快；
如果后续实现全景拼接易如反掌；
校opencv方法简单，速度更快；
如果后续实现全景拼接易如反掌；
2025/1/7 17:34:44
3.32MB
1
ENVI软件的插件，可以基于ENVI软件实现多种操作，如相对辐射归一化，矩匹配相对辐射校正，时序数据分析，批量裁剪，MRT批处理等功能
2025/1/6 0:33:21
3MB
1
对应博客：http://blog.csdn.net/u013347241/article/details/52988863
2025/1/4 3:18:12
277KB
1
在多种光源的45°/0°照明观测条件下,提出了一种测量金属涂料闪光效果的评价方法和开发了测量装置。
根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。
对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。
通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。
在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。
实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。
实验装置的测量效果优于现有的测量设备。
根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。
对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。
通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。
在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。
实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。
实验装置的测量效果优于现有的测量设备。
2025/1/1 12:30:22
6.94MB
1
自适应控制理论及应用，李言俊，西北工业大学出版社《自适应控制理论及应用》系统介绍了自适应控制理论的基本原理及应用，其中包括连续时间系统模型参考自适应控制、离散时间模型参考自适应控制、自校正控制、混合自适应控制等内容。
2024/12/28 21:02:35
21.9MB
1
本案例研究答题卡识别软件的设计与开发，集成了图像分割、模式识别等功能模块，设计计算机图像处理等知识。
通过图像处理技术，完成识别答题卡图像的答案选项，应用了图像校正、模式识别等算法
通过图像处理技术，完成识别答题卡图像的答案选项，应用了图像校正、模式识别等算法
2024/12/21 18:10:18
5.19MB
1
matlab（程序）分析了二维码编码技术，基于图像处理的解码技术，及其编码实现过程。
针对解码识别过程，详细分析了基于图像处理的预处理方法，包括二维码灰度化处理、图像平滑和二值化过程，同时针对二维码实际情况，设计了基于Canny和Hough变换的二维码旋转校正算法，几何形变校正算法，并通过QR二维码进行实验
针对解码识别过程，详细分析了基于图像处理的预处理方法，包括二维码灰度化处理、图像平滑和二值化过程，同时针对二维码实际情况，设计了基于Canny和Hough变换的二维码旋转校正算法，几何形变校正算法，并通过QR二维码进行实验
2024/12/15 11:48:53
439KB
1
识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/12/5 8:55:53
60KB
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