登录
首页 » 图像处理 » 用于仿真对前景区域的某个物体清晰显示,背景部分高斯模糊处理

用于仿真对前景区域的某个物体清晰显示,背景部分高斯模糊处理

于 2022-09-03 发布 文件大小:13.33 MB
0 36
下载积分: 2 下载次数: 1

代码说明:

应用背景用于仿真对前景区域的某个物体清晰显示,背景部分高斯模糊处理关键技术用于仿真对前景区域的某个物体清晰显示,背景部分高斯模糊处理,镜头在成像时,通常只会对处在对焦点所在平面的前后一定距离范围内的景物形成清晰地图像,而对焦外景物所成的像会发生模糊。这段清晰地成像范围称其为景深。借助与所拍摄场景图像相对应的深度图,可以模拟出景深效果

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

  • 超分辨率
    超分辨率的图形用户界面(SR-GUI)的开发,以允许用户在Matlab7.0提高降解的多帧图像。相比于其他视觉增强程序,SR-GUI的独特的方面是它的灵活性来处理不同的光照条件下拍摄的图像。我们的目的是隐藏结构的复杂性,并创造概念上简单的设计,使之人性化。
    2022-01-25 23:54:23下载
    积分:1
  • 图象特效--截图示例,基于DirectX的截图示例,你看懂了话都能截图了。要编译此程序需DirectX SDK5.0示例中的ddutil.h与ddutil.cpp文件,请自行加入工程。要运行此程序需DirectX 3.0以上版。
    2022-10-01 10:25:03下载
    积分:1
  • 匹配
    这是一个关于图像匹配的代码,有sift,surf的 特征检测 , 特征提取等,有它们的具体实现算法,很值得研究,也比较适合初学者
    2022-10-04 18:25:05下载
    积分:1
  • 加噪C语言
    利用C语言对图像进行加噪处理 (椒盐噪声),以及对图像进行边缘提取,检测。
    2022-07-19 01:03:31下载
    积分:1
  • SVM_classification test samples
    SVM支持向量机,实现SVM原理,用来分类的程序,此程序功能是对测试样本进行预测,属于图像处理image processing中的分类classification问题。
    2022-01-24 12:55:40下载
    积分:1
  • 使用离散小波变换和奇异值分解和分割 MRR-马尔可夫随机场模型的卫星增强
    在许多应用程序如地学研究、 天文、 地理信息系统使用卫星图像。在图像中最重要的质量因素来自于其决议。卫星图像增强技术利用离散小波变换和奇异值分解。这一技术将输入的图像分解为四个频率子波段,利用离散小波变换和也估计奇异值矩阵的低-低子带图像和均衡通过逆离散小波变换增强的图像。图像分割技术应用于图像增强过程后该模型采用多区域分辨率和马尔可夫随机场技术提高分割精度,提高图像的质量和它降低噪声的卫星图像。
    2023-08-08 02:20:03下载
    积分:1
  • 基于NI Vision的识别
    这是一套简单的能动态、自动识别图片中信息的代码。它基于Labview的NI Vision(视觉与运动)模块,可以调用USB摄像头或笔记本摄像头获取原图,然后选中原图中的信息作为模板进行学习。学习完成后再用摄像头拍摄,Labview将自动框选中要匹配的信息。
    2022-03-10 23:19:14下载
    积分:1
  • opencv中Mat对象的各种创建方法
    本文主要讲一些opencv 2.0版本后出现的Mat矩形类,主要是参考opencv自带doc文件夹下的tutiol教材。通过这次实验觉得用Mat的话下面几点需要特别注意(在代码中可以体现出来):1. 利用create函数重新改变Mat数据在内存中的布局。 2. 注意多通道数据在Mat中其实也是占一个元素的位置的。 3. 学会多维Mat的创建方法。4. 当Mat矩阵比较小时,学会直接赋值的方法,即用Mat_。5. 掌握Mat矩阵内容输出到终端时的几种常见格式。6. 注意如果vector是单独一维的话需要转换成Mat才能输出,多维的可以直接输出,例如vector里面存放的是点的话。
    2022-08-08 07:16:26下载
    积分:1
  • C++实现拼接
    用C++实现sift算法,实现多幅图像的读取,特征点提取,匹配以及图像的融合。可以直接上机实现。
    2023-01-07 19:10:03下载
    积分:1
  • k均值聚类算法程序
    K均值聚类法分为如下几个步骤: 一、初始化聚类中心 1、根据具体问题,凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类,计算每类的样本均值,将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本,将其归入与其最近的聚类中心的那一类中,重新计算样本均值,更新聚类中心。然后取下一样本,重复操作,直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理,不合理则修改分类。循环进行判断、修改直至达到算法终止条件。
    2023-07-13 12:00:03下载
    积分:1
  • 696522资源总数
  • 104042会员总数
  • 18今日下载