-
基于SAD立体匹配
在区域匹配算法中,通常使用的相似性测度函数主要有:SSD、SAD、ZSAD、NCC、ZNCC等。最简单的相似性测度函数有绝对误差和(the Sum of Absolute Differences，以下简称SAD)。
- 2022-02-21 03:28:18下载
- 积分：1
-
直方图均衡化
直方图均衡化, 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。自己编写的程序，程序能够运行出正确的结果，希望对各位有帮助。
- 2022-12-05 10:25:03下载
- 积分：1
-
opencv教程基础篇实例源代码
《OpenCV教程——基础篇》北航出版社 ，文件包含本书所有光盘源代码。北航的虚拟现实实验室许多师生都在使用opencv，有相当多的经验，这书质量相当不错，简单易上手。附带的光盘中代码可靠性相当高，有些直接就是某些算法或问题的实现。本书可作为信息处理、计算机、机器人、人工智能、遥感图像处理、认知神经科学等有关专业的高年级学生或研究生的教学用书，也可供相关领域的研究工作者参考。
- 2022-01-31 03:12:11下载
- 积分：1
-
基于opencv 实现bag of words 图片搜索程序代码
利用opencv 库函数bow类训练图片，提取surf特征点，用flann匹配，将特征点聚类成字典，设置每张图片的词典表示然后和要搜索的图片进行欧式距离计算，然后得到最近的那幅图即为要搜索的图片，
- 2022-04-06 14:01:34下载
- 积分：1
-
PCI9054采图
PCI桥芯片基于PCI9054，实时采集CMOS相机输出的LVDS信号并实时显示，经测试可用。
- 2022-03-20 16:50:31下载
- 积分：1
-
基于vs2012+opeopencv2.4.9的kalman_camshift跟踪运动物体
应用背景使用VS+opencv 2.4.9中 进行运动物体跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。关键技术本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化。由于引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测。
- 2022-04-18 07:18:22下载
- 积分：1
-
Matlab与Opencv生成棋盘格图像代码
资源描述Matlab与Opencv生成棋盘格图像代码，绝对值得你拥有，赶快下载。
- 2022-05-26 01:02:30下载
- 积分：1
-
安防领域移动目标的检测与报警，基于opencv可做毕设
在本文的最后阶段,使用此视频图像运动目标分析系统进行了大量实验,并全面分析了实验现象和数据。通过这些现象和数据可以得出结论:本文基于OpenCV设计的视频图像运动目标分析系统具有良好的实时性,能够正确的进行运动物体的实时检测和跟踪,并具有良好的鲁棒性。由于该系统在Windows下开发,如何将该系统移植到其他的系统或者是嵌入式平台并进一步提高系统的通用性和鲁棒性就成了今后研究工作的重点。
- 2022-03-01 18:33:45下载
- 积分：1
-
最小二乘法椭圆检测
里面有椭圆拟合的代码和利用最小二乘法不断迭代最终检测出椭圆的方法，使用性好，精度高。首先随机找出三个边缘点拟合初步椭圆，r然后寻找第四个边缘点来验证初步拟合椭圆的效果，如果可以，然后利用直接最小二乘法设定距离阈值，收集边缘点重新拟合椭圆，不断迭代，最终能检测出准确的椭圆，检测速度快，有抗噪声的能力。
- 2022-01-28 17:57:36下载
- 积分：1
-
二维卷积
目的：
若要编写 2-D 卷积的 MATLAB 函数。
理论：
2-D 卷积可以通过矩阵乘法来执行。若要执行此操作，形成，
块矩阵 H0，H1 等从一个矩阵和阻止的 toeplitz 矩阵已形成
从块矩阵。其他矩阵是以列的形式写的。然后，乘法
之间块 toeplitz 矩阵和写在列矩阵形式将产生的结果
类似于二维卷积。
让大小的矩阵 x [m，n] M1X N1，M1 在哪里的行数，N1
矩阵的列数 x [m，n]。
.让大小的 h 矩阵 [m，n] 是 M2X N2，M2 在哪里的行数和 N2 是
[m，n] 的 h 矩阵的列数。
由 y(m,n) 表示卷积 x(m,n) 和 h(m,n) 之间
在哪里
y(m,n) = x(m,n) * h(m,n)
矩阵 y [m，n] 的大小是 M3X N3，哪里 M3 = M1 + M2-1 和 N3 = N1 + N2-1
如果 A 是块 toeplitz 的 matri x(m,n)，然后 h(m,n) 和输入的线性卷积
由给出 x(m,n)
y = Ax
最后重新排列 y 以获取输出响应的元素。
- 2023-07-04 15:00:03下载
- 积分：1
