导入一张靶纸原图，导入一张带有弹孔的靶纸图，经过图像识别与处理，能显示出靶数。
以上过程曾经整合到简易的GUI界面中。
以上过程曾经整合到简易的GUI界面中。
2016/2/13 10:49:15
64KB
1
眼底图像分割＼关键点检测＼动静脉区分常用数据集，是眼底最广泛的数据集之一，甚至可以去掉＇之一＇二字．这里面含有分割图的ｇｒｏｕｎｄｔｒｕｔｈ，原图以及ｍａｓｋ，没有关键点坐标的groundtruth，关键点在另一个上传的资源里，一次只能传一个紧缩包．．害！
2019/2/10 15:16:36
28.82MB
1
该课题为基于MATLABbp神经网络的雾霾天气下交通标志的识别系统。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
2016/5/4 3:50:35
79.64MB
1
显著性检测ASD（MSRA1000）数据集，包含1000张原图，及对应的标注图。
标注图与原图尺寸相分歧。
标注图与原图尺寸相分歧。
2018/5/4 13:21:11
24.29MB
1
最全的数字图像处理冈萨雷斯版教材，包含了中文版、英文版、习题解答、MATLAB中文版以及MATLAB原图和配套源码等全部的材料。
强烈推荐下载！！！再也不用找别的资源啦！！！
强烈推荐下载！！！再也不用找别的资源啦！！！
2016/5/14 19:12:14
219.63MB
1
将图像转换为C位图数组一个纯前端的图片取模程序，可将图片转换为C语言格式方式，用于单片机/arduino显示图片。
演示地址设备端使用推荐使用配合本软件进行图片显示顶端取模利用进行取模，可以将灰度转换成点密度。
原图阀值取模顶端取模更新2017.2.8取模软件好多，选择困难症又犯了，为了自救，所以自己做了个2020.4.28这个小软件意外受欢迎，那我再更新下吧2020.5.1新增补充取模功能编译npmingbuild--prod在线乞讨觉得不错，就请star一下
演示地址设备端使用推荐使用配合本软件进行图片显示顶端取模利用进行取模，可以将灰度转换成点密度。
原图阀值取模顶端取模更新2017.2.8取模软件好多，选择困难症又犯了，为了自救，所以自己做了个2020.4.28这个小软件意外受欢迎，那我再更新下吧2020.5.1新增补充取模功能编译npmingbuild--prod在线乞讨觉得不错，就请star一下
2021/6/3 10:10:14
347KB
1
本科毕业设计做的，紧缩文件包括源码、matlabGUI界面、原图三分图背景图及写的毕业论文；
利用基于学习的抠图方法得出图片的alpha图之后，可以将原图与背景图融合得到以假乱真的效果。
利用基于学习的抠图方法得出图片的alpha图之后，可以将原图与背景图融合得到以假乱真的效果。
2022/9/7 15:56:21
3.55MB
1
针对现有计算机视觉对交通路标识别的复杂性和不稳定性的问题，通过运用图像轮廓识别技术，提出了由全局特征到局部特征再到结构特征的多层次轮廓识别，在交通路标的识别过程中，分别构造了图像密度、外形度量、光滑程度和轮廓熵值4个层次的图像轮廓，同时结合Sobel算子和信息熵对交通路标图像进行了提取与分块处理。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
2016/7/23 15:33:26
744KB
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