图像找茬游戏是时下非常流行的游戏之一，人眼通过对比找出图像中差异较大的位置是一件较为有难度的事情，但是对于计算机来说精确找出图像差异却是一件简单的事情。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
2025/6/14 13:51:24
14.45MB
1
一个比较简单的文字定位程序：由用户在图像上选择一个点，这个点应当在文字上，然后与这个点的颜色相近的连通域被选出，经过文本验证，得到颜色相近的文字区域。
可以多次选择取样点，按回车结束选择最后在结果图中去掉错误的连通域。
可以多次选择取样点，按回车结束选择最后在结果图中去掉错误的连通域。
2025/1/16 4:23:39
86KB
1
针对维吾尔文手写体文本中行分割问题，本文基于连通域大小将图像中文字分为三类，提出了自适应涂抹细化算法，对主体文本行进行定位；
并对第三类连通域中相邻两文本行间粘连的字符进行切割；
此外，利用重心范围内的邻域搜索算法，解决了剩余笔画的文本行归附问题。
实验结果表明，本文方法与常见的水平投影法，分段投影法，及涂抹方法相比具有更好的分割效果。
并对第三类连通域中相邻两文本行间粘连的字符进行切割；
此外，利用重心范围内的邻域搜索算法，解决了剩余笔画的文本行归附问题。
实验结果表明，本文方法与常见的水平投影法，分段投影法，及涂抹方法相比具有更好的分割效果。
2025/1/14 4:24:39
401KB
1
用matlab实现的一个基于连通域方法切割出二代身份证上数字和汉字并且运用模板法进行识别的程序，效果还可以~文档里面包含了课程的实验报告还有关于连通域切割的一篇论文，我就是基于这个论文写的程序！
2024/9/16 4:29:37
6.81MB
1
给定皮肤镜黑素细胞瘤图像，检测毛发噪声，并修复毛发遮挡部位的信息。
皮肤镜图像毛发去噪，主要包括五个步骤：波谷检测器、阈值分割、区域生长、标记连通域、掩膜恢复重建。
皮肤镜图像毛发去噪，主要包括五个步骤：波谷检测器、阈值分割、区域生长、标记连通域、掩膜恢复重建。
2024/8/21 10:32:15
4KB
1
给定皮肤镜黑素细胞瘤图像，检测毛发噪声，并修复毛发遮挡部位的信息。
(1)灰值化：对皮肤镜黑素细胞瘤彩色图像进行灰值化处理，将彩色图像变成灰度格式；
(2)波谷检测器：使用结构元素对给定灰度图像进行形态学灰度闭运算，先膨胀后腐蚀，填充物体内细小空洞，连接邻近物体，再将原图与灰度闭运算得到的图像相减，得到背景色较暗，毛发区域较亮的毛发提取图像；
(3)阈值分割：经过波谷检测后的图像能够基本提取出毛发区域，使用交互式阈值分割，对毛发提取图像进行二值分割，为区域生长制作毛发掩膜做准备；
(4)标记连通域，剔除弱小噪声：用区域生长法提取连通域，并标记毛发区域，统计各连通区域的大小，设定阈值，屏蔽小的连通区域，去除背景中的杂小噪声点，尽可能的少破坏原始图像的信息；
(5)掩膜，恢复原始皮肤信息：将去除噪声后的二值图像作为掩膜，对毛发区域进行恢复重建。
(1)灰值化：对皮肤镜黑素细胞瘤彩色图像进行灰值化处理，将彩色图像变成灰度格式；
(2)波谷检测器：使用结构元素对给定灰度图像进行形态学灰度闭运算，先膨胀后腐蚀，填充物体内细小空洞，连接邻近物体，再将原图与灰度闭运算得到的图像相减，得到背景色较暗，毛发区域较亮的毛发提取图像；
(3)阈值分割：经过波谷检测后的图像能够基本提取出毛发区域，使用交互式阈值分割，对毛发提取图像进行二值分割，为区域生长制作毛发掩膜做准备；
(4)标记连通域，剔除弱小噪声：用区域生长法提取连通域，并标记毛发区域，统计各连通区域的大小，设定阈值，屏蔽小的连通区域，去除背景中的杂小噪声点，尽可能的少破坏原始图像的信息；
(5)掩膜，恢复原始皮肤信息：将去除噪声后的二值图像作为掩膜，对毛发区域进行恢复重建。
2024/5/16 1:34:17
67.4MB
1
FPGA流水线操作实现图像连通域处理标记位置，由于该方法进行的是并行流水线处理，即对图像扫描一遍就可完成对所有连通区域的识别，因此识别每个连通区域的延时都是固定的，并不会因为图像中连通区域多，延时就增加。
该延时也很小，约扫描十几行图像的时间。
该延时也很小，约扫描十几行图像的时间。
2024/1/29 10:53:12
1.6MB
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