登录
首页 » 图像处理 » 高效中值滤波算法

高效中值滤波算法

于 2022-04-12 发布 文件大小:42.39 kB
0 105
下载积分: 2 下载次数: 1

代码说明:

采用滑动窗口及直方图来计算窗口内的中值,代替传统的排序求中值法,获得较高的算法执行速度。稍加修改阈值及首个窗口的目标取值就可以生成最大值、最小值滤波的算法,即对应于形态学中的膨胀与腐蚀。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • opencv 不同的直方比较
    opencv1.0+VC6.0/VS2010下皆可使用,对不同图像做直方图比较,得出匹配系数,具有一定的可行性,欢迎广大童鞋下载交流。
    2023-01-17 20:05:06下载
    积分:1
  • 肝脏分割
    matlab变形滤波与计算机辅助诊断中的ct图像分割与肝体积提取
    2022-10-02 07:40:04下载
    积分:1
  • LED 显示技术开发
    LED 显示技术开发,该文档比较详细的介绍了LED显示屏开发的基本原理,以51单片机为开发平台,说明了LED直译、绕线情况下LED数据组织情况。可以快速了解LED显示屏基本开发原理,并给出了16点阵反相显示和正相显示两种情况下源码。
    2022-08-02 14:31:32下载
    积分:1
  • 模糊增强
    本算法为模糊增强算法在图像处理领域的应用, 使图像的边缘信息更加明显,图像清楚,能够更好的处理高频信息。在包含源码的同时,附上代码处理前后的对比图片,有助于对此代码进行深度理解。
    2022-07-21 17:38:46下载
    积分:1
  • FCM聚类算法
    FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM则是一种柔性的模糊划分
    2022-08-07 16:16:31下载
    积分:1
  • 直方的计算与显示
    分析图像、物体和视频信息过程,我们常把看到的物体用直方图(histogram)表示,直方图可以用来描述各种不同的事情,如物体的色彩分布、物体边缘梯度模板,以及表示目标位置的概率分布。直方图广泛应用在计算机视觉应用中,简单说,直方图就是对数据进行统计,将统计值组织到一系列事先定义好的bin中,bin中的数值是从数据中计算出的统计量,这些数据可以是诸如梯度、方向、色彩或任何其他特征。直方图获得的是数据分布的统计图。 cvCvtPixToPlane openCV里面的一个函数 可以看作cvSplit是他的宏:  
    2022-07-19 07:26:25下载
    积分:1
  • OPENCV人脸识别
    面对通过USB摄像头的实时拍摄的图像识别的例子。它的演示。没有在个人电脑上,但在嵌入式主板,如比格板性能问题,它需要的优化配置。它的运行速度非常慢。
    2022-08-13 23:42:16下载
    积分:1
  • 高斯拉普拉斯
    在图像处理中,边缘检测是一个必要的步骤,如检测车辆直线和冬暖的边缘。 DOG和 (LOG) 拉普拉斯是高斯的边缘检测的好方法...... 这里是拉普拉斯高斯的代码,和它在 vs2010 编译
    2022-01-26 00:47:49下载
    积分:1
  • 大脑癌症检测
    大脑癌症检测 过滤 聚类分析 组织的领域
    2022-11-11 19:40:03下载
    积分:1
  • 使用 python 文档扫描仪
    你看,扫描使用智能手机的文件可以被分解成三个简单的步骤:第1步:检测边缘。步骤2:使用在图像中的边缘以找出轮廓(轮廓)表示一张纸被扫描。步骤3:应用一个透视变换,以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块,它包含了方便功能调整大小,旋转,裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来,让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后,我们将使用NumPy的数值处理,argparse解析命令行参数,并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象,--image,这是路径包含我们要扫描的文档的图像。现在,我们有路径,我们的形象,我们可以继续前进步骤1:边缘检测。第61行执行翘曲改造。事实上,所有的繁重被four_point_transform函数处理。同样,你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform:第一个是我们的,我们装过盘原始图像(不是大小之一),第二个参数是代表文件,乘以调整大小比例的轮廓。所以,你可能会奇怪,为什么我们乘以调整比例是多少?我们乘了调整后的比率,因为我们进行边缘检测,发现轮廓高度= 500像素的调整后的图像上。然而,我们希望将原来的图像,而不是调整大小后的图像上执行扫描,从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象,我们再采取扭曲图像,将其转换为灰度和应用自适应阈值上线65-67。
    2022-06-01 20:19:50下载
    积分:1
  • 696516资源总数
  • 106454会员总数
  • 1今日下载