-
opencv1.0--金字塔分割--prysegmentation
应用背景金字塔分割算法由cvPrySegmentation所实现，该函数的使用很简单；需要注意的是图像的尺寸以及金字塔的层数，图像的宽度和高度必须能被2整除，能够被2整除的次数决定了金字塔的最大层数。关键技术函数 cvPyrSegmentation 实现了金字塔方法的图像分割。金字塔建立到 level 指定的最大层数。如果 p(c(a),c(b))
- 2023-04-28 23:35:03下载
- 积分：1
-
自己的sift算法
由于sift算法提取到的特征点数量太多，而且检测到的特征点中伪特征点较多，且分布不够均匀，不能够很好地反映图像特征。此外每个特征点都有128维的特征向量，而且算法中包含经过大量的高斯卷积过程，所以算法运算量十分巨大，配准的速度慢。故考虑采用Harris算子代替近点SIFT 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
- 2022-01-24 09:19:54下载
- 积分：1
-
形状运动
这是一个从一张图像中恢复三维形状的shape from shading方法。我从csdn中将其下载下来的，希望对大家有用。shape from shading（SFS）的matlab代码，修改图片路径，可直接运行。这段代码用的就是Tsai文章中的方法，
- 2022-05-23 05:21:39下载
- 积分：1
-
opencv1.0--人脸检测-facedetect
应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术
人脸检测从整体来看分为四个部分：
1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。
2、Face preprocessing 面部预处理，即提取出脸部图像。
3、Collect and learn faces 脸部的特征采集和学习
4、Face recognition 脸部识别，找出最相近的相近脸部图像。
- 2022-07-14 16:50:08下载
- 积分：1
-
opencv读取两个摄像头
opencv 中基于控制台的双摄像头的图像同步采集，可以用于相机标定时的棋盘图像采集工作。可以运行，需要根据自己的版本改opencv的编译库
- 2022-02-11 12:47:07下载
- 积分：1
-
基于opencv的人脸检测
OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。
- 2022-02-15 01:16:33下载
- 积分：1
-
Sobel 算子的图像边缘操作
在这项工作被认为是索贝尔，是一个受欢迎的边缘检测方法。存在edge.m 这是在图像工具箱中的函数。在边缘函数中，Sobel 方法使用导数近似查找边缘。因此，它返回在这些点的边缘在那里考虑图像的梯度是最高的。水平和垂直渐变
索贝尔方法已被广泛应用在其尺寸是 3 × 3 的矩阵边缘检测操作。在这项工作，建立函数来查找边缘用，其尺寸都是 5 × 5 在 matlab 中的矩阵。
- 2022-07-11 00:59:16下载
- 积分：1
-
人脸性别识别
人脸的性别识别，采用LGBP，LDA,SVM的方法。采用了一种新的图像纹理描述方法——局部Gabor变换直方图序列(LGBPHS)，Gabor局部二值映射特征由于结合了局部二值模式、图像空间信息以及Gabor 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
- 2022-01-27 21:16:52下载
- 积分：1
-
SVM 分类器 很好用的 可以用在图像处理中
SVM 分类器 很好用的 可以用在图像处理中 使用的是c++ 基于opencv的
- 2022-03-02 17:57:20下载
- 积分：1
-
MATLAB图像处理实例详解代码
本代码是《MATLAB图像处理实例》中第三章的例子，本代码主要是介绍一些图像处理的基础知识，包括图像的类型转换，如何在MATLAB中读取一个图像，以及怎么在MATLAB中显示图像。
- 2022-05-31 10:47:27下载
- 积分：1
