Visualc++数字图像处理典型算法及实例源代码，内容包括：源码目录结构图、256色转灰度图、Hough变换、Walsh变换、二值化变换、亮度增减、傅立叶变换、反色、取对数、取指数、图像平移、图像旋转、图像细化、图像缩放、图像镜像、均值滤波、对比度拉伸、拉普拉斯锐化（边缘检测）、方块编码、梯度锐化、灰度均衡、用Canny算子提取边缘、直方图均衡、团圆余弦变换、维纳滤波处理、逆滤波处理、阈值变换、高斯平滑等。
2019/11/1 2:54:24
13.41MB
1
基于FPGA的灰度图中值滤波，首先将彩色图片举行转灰度处理，紧接着举行数据流的中值滤波。
图片大小256*256，开发板zybo.
图片大小256*256，开发板zybo.
2020/2/17 11:24:37
7.04MB
1
利用C++实现真彩图的直方图均衡化，灰度图异样也适用。
程序分别对BGR三个通道分别均衡化，并画出均衡化每个通道的前后对比图
程序分别对BGR三个通道分别均衡化，并画出均衡化每个通道的前后对比图
2016/2/26 8:09:56
16.02MB
1
提出Mask相位法校准出厂标定波长在532nm的液晶空间光调制器(LC-SLM)在561nm处的相位调制特性曲线。
首先基于傅里叶光学模仿计算得出棋盘型二维相位光栅相位对比度与零级衍射光斑光强之间的对应关系，然后搭建实验光路测量计算机所发灰度图所对应的零级衍射光斑光强值。
根据前面两组结果最后得到相位延迟量与计算机灰度级之间的关系曲线，从而得到LC-SLM在561nm处的相位调制特性曲线。
用4λ的离焦对光斑进行调制，校准之后光斑光强分布与理论计算值之间的偏差为45.7，比校准之前的偏差110.4减少了64.7；
用10λ的倾斜对光斑进行调制，校准之后零级衍射光斑和二级衍射光斑的强度分别是校准前的32.3%和64.1%。
实验结果表明，使用Mask相位法对LC-SLM的相位调制特性曲线进行校准之后，LC-SLM的调制效果有了明显的改进。
首先基于傅里叶光学模仿计算得出棋盘型二维相位光栅相位对比度与零级衍射光斑光强之间的对应关系，然后搭建实验光路测量计算机所发灰度图所对应的零级衍射光斑光强值。
根据前面两组结果最后得到相位延迟量与计算机灰度级之间的关系曲线，从而得到LC-SLM在561nm处的相位调制特性曲线。
用4λ的离焦对光斑进行调制，校准之后光斑光强分布与理论计算值之间的偏差为45.7，比校准之前的偏差110.4减少了64.7；
用10λ的倾斜对光斑进行调制，校准之后零级衍射光斑和二级衍射光斑的强度分别是校准前的32.3%和64.1%。
实验结果表明，使用Mask相位法对LC-SLM的相位调制特性曲线进行校准之后，LC-SLM的调制效果有了明显的改进。
2021/6/3 11:10:15
3.59MB
1
ORL人脸数据集一共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。
此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。
所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。
对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，浅笑/不浅笑）和面部细节（戴眼镜/不戴眼镜）环境下采集的。
所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。
每个目录分别命名为sx，其中x表示受试者编号（在1到40之间）。
在每一个目录所选受试者的10
此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。
所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。
对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，浅笑/不浅笑）和面部细节（戴眼镜/不戴眼镜）环境下采集的。
所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。
每个目录分别命名为sx，其中x表示受试者编号（在1到40之间）。
在每一个目录所选受试者的10
2022/9/6 18:03:45
9.2MB
1
MNIST数据集是一个手写阿拉伯数字图像识别数据集，图片分辨率为20x20灰度图图片，包含‘0-9’十组手写手写阿拉伯数字的图片。
其中，训练样本60000，测试样本10000，数据为图片的像素点值，作者曾经对数据集进行了压缩。
其中，训练样本60000，测试样本10000，数据为图片的像素点值，作者曾经对数据集进行了压缩。
2017/7/22 9:43:20
10.16MB
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