-
OpenCV internetchesskiller
应用背景本项目基于internetchesskiller 1.71源代码重新设计板采集模块利用OpenCV关键技术互联网 ；象棋杀手OpenCV
- 2023-05-04 20:55:06下载
- 积分：1
-
拉普拉斯残差金字塔
拉普拉斯金字塔在图像融合中有所应用，程序首先对两个待融合图像求拉普拉斯残差金字塔，然后用模板对每一级残差图像进行融合得到融合后图像的残差金字塔，然后对这个金字塔进行重构就能得到最终的融合图像，图像各尺度细节得到保留。（注：融合时模板一般会先用高斯函数模糊一下）
- 2022-01-25 22:24:16下载
- 积分：1
-
mitab开源库压缩包
读取mapinfo数据 有强大的api 接口， 实现。tab/。mif文件的读取，丰富的类库处理电子地图数据
- 2023-03-18 13:40:04下载
- 积分：1
-
使用 Android 摄像头经过图像处理获得不同的照片 (灰阶和动漫效果)?
翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject 有时候我们会发现拍照很有趣，那么让我们来把它变得更有趣吧。设计灰色和动漫风格的照片不是很难。你只需有一个安卓手机并安装一个有趣的相机应用就好了。 通常，拍照时会遇到自动对焦问题，首先，我们要等待自动对焦完成，然后再拍照。这就是为什么我们需要重写自动对焦方法来帮助我们拍得更清楚。其次，图像处理时需要将原始数据转换成位图格式。我们使用位图工厂进行转变。第三，有两个图像处理效果可供选择，灰阶和动漫风格。灰阶很简单，仅是获取 R, G 和 B 的数量然后除以 3。但是我们依然需要知道如何分别获取 R, G 和 B 通道。使用 color 方法获取像素值帮助我们获得 R, G 和 B 的值。 动漫风格需要两个处理，包括索贝尔过滤和有序抖动处理。我们需要结合两种方法完成动漫效果。如果你想开发更多效果，可以使用这个代码架构继续开发。因为这是准备自动对焦并回调函数拍照。 你只需按照此架构添加新的图像效果即可。这个 APP 会在你选择图像效果前开启相机，然后你可以选择效果。你可以按下”拍照“按钮，然后可以查看处理后的图像。开发这个应用只有两个文件，非常简单。 适用于初学者。背景设备操作系统: Android 4.1.2 开发者实用程序: Eclipse ADT使用代码File Name: AndroidManifest.xml
- 2022-03-28 19:39:54下载
- 积分：1
-
QT5+OpenCv3，完全可以使用代码
资源描述
网上看了很多的教程，但是按照教程来其实是不行的，而且那大多是互相抄的，明显看的出来。这是我自己看书，然后咨询了很多人，一步一步的试，最后配出来了。
使用的是QT5.5.1，opencv使用的3.0
大家主要要看我的pro文件里面的INCLUDEPATH 和 LIBS里面的写法
- 2022-09-14 11:40:04下载
- 积分：1
-
基于粒子滤波目标跟踪
所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。
- 2023-02-07 14:35:04下载
- 积分：1
-
超像素分割
该程序是使用MATLAB编写的代码，代码为超像素分割算法的代码。代码实现了超像素分割的自动选取种子点，分割速度快，对于一些小区域的目标也能准确分割出，分享给各位图像处理研究方向的人使用！
- 2022-12-29 19:40:03下载
- 积分：1
-
Blob 算法
如何检测一张照片中汽车的对象，使用 openCV 项目和平衡配装优化问题算法完整文档作为 html 文件中的描述
- 2022-07-13 08:24:49下载
- 积分：1
-
贝叶斯分类算法
贝叶斯分类器（Naïve Bayes）源代码，使用决策树(Decision tree)分类算法、朴素贝叶斯（Naïve Bayes）算法，对文本进行分类，里面有代码的解析，适合初学者对基于代码对算法进行理解。
- 2022-03-30 17:45:42下载
- 积分：1
-
William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码数据集论文和大神页面
William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.
- 2022-03-29 03:58:10下载
- 积分：1
