-
非常棒的3d绘图
使用图形方法能使图形设计更方便，并减少程序代码。用图形方法创建图形是在程序代码中进行的，绘图效果需在运行应用程序时才能看到。对于界面设计中的简单绘图，图形方法不能代替图形控件的作用。利
用以下方法可做出各种各样的图形，下面简单介绍这些图形方法的作用与使用方法。
- 2022-01-27 10:08:26下载
- 积分：1
-
车道线检测
提出了一种新的适用于自主驾驶系统的车道线检测----基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像，截取感兴趣的下半部分进行灰度变换，得到灰度图像；其次采取高通滤波，小波变换，来进行边缘增强与检测；之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车最后采用粒子滤波进行车道线的跟踪。实验表明，该算法简单、鲁棒性强,能准确地检测到车道标识线。
- 2022-06-30 22:41:50下载
- 积分：1
-
opencv人脸检测
该版本是通过打开摄像头采集视频数据，实时调用opencv里面的haar级联分类器实现人脸检测功能！
- 2022-10-28 08:25:03下载
- 积分：1
-
opencv1.0--高级背景模型codebook--提取前景
应用背景
很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能
关键技术
采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
- 2022-09-02 11:20:03下载
- 积分：1
-
基于虹膜识别的人类识别
虹膜识别是一种重要的生物特征识别的身份识别中的方法成为非常活跃的课题研究和实际应用。虹膜识别系统包括虹膜区域定位和其次是虹膜识别的虹膜图像的数据集的生成。在此研究中，虹膜区域的内部和外部边界的定位提出了一种快速算法。归一化在寻找边界阶段，位于后虹膜从图像中提取的眼睛，然后哈尔变换用于代表数据集。使用此数据
集哈尔变换用于虹膜模式的分类。自适应学习策略培训的哈尔变换应用。仿真结果表明了遗传算法在个人身份识别的有效性。
- 2023-08-23 11:15:03下载
- 积分：1
-
LBP代码matlab实现
本代码是使用matlab实现的LBP算法，适合于初学者进行学习研究，如果在学习中间遇到问题，欢迎大家相互交流学习，共同进步提高。
- 2022-07-20 11:26:40下载
- 积分：1
-
把avi 分解成 bmp
一个可以将AVI中的图象截图为BMP照片。
1，
Video for Windows初始化
请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
- 2022-09-18 22:40:03下载
- 积分：1
-
算术编码、压缩、编码和数据压缩
它是一种算术编码。它用于获取标记值，我们可以从中发送文本。它在压缩技术中的应用
- 2023-04-20 15:55:03下载
- 积分：1
-
opencv1.0--Boosting(包含boosting和RF和MLP算法)
应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试
2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml";
3.选用训练的方法，如method = 1;
4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";
- 2023-06-29 12:10:04下载
- 积分：1
-
a Line Segment Detector
LSD is a linear-time Line Segment Detector giving subpixel accurate results. It is designed to work on any digital image without parameter tuning. It controls its own number of false detections: On average, one false alarms is allowed per image. The method is based on Burns, Hanson, and Riseman"s method, and uses an a-contrario validation approach according to Desolneux, Moisan, and Morel"s theory. The version described here includes some further improvement over the one described in the original article.
- 2022-06-01 22:25:08下载
- 积分：1
