搜索资源列表
restore
- 图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 -A
5
- ：建立了碳钢渗硫表面和非渗硫表面的多球凸峰面接触模型，模型中，凸峰高度按高斯函数分布．用塑性流线 理论分析了渗硫层的摩擦系数．计算结果表明：摩擦系数随载荷的增加而增加；相同粗糙度下，磨削加工的摩擦系 数比车削加工的摩擦系数大；摩擦系数随着渗层厚度的增大而增大．从减小摩擦系数的角度来考虑，渗硫层并非 越厚越好．-the multi-asperity sphere-shape model for surface contact between sulphurized layer and
20100905tuxing
- 本书从图形学最基础的光栅扫描、区域填充、画直线和圆弧等算法讲起，详细介绍了线裁剪和面裁剪、凸区域裁剪和凹区域裁剪的异同，景物空间消隐算法和图像空间消隐算法的差别，具体讲述了二叉空间剖分(BSP)、八叉树等图形学中常用的数据结构。新版本增加了图形用户界面、椭圆、图像压缩和线条反走样算法等，还增加了Liang-Barsky裁剪算法和Nicholl-Lee-Nicholl裁剪算法。新版本大大扩充了可见面光线跟踪算法。在绘制这一章中新增了基于物理的光照明模型，透明效果，阴影生成，纹理映射，以及锥光束、平
solar-system
- 实现3D图像的平移和绕定轴旋转，增加了光照模型，键盘的控制，和观察者视点的按键移动。PS：我觉得对初学者能够更好地理解函数有很大帮助。-3D images to achieve the translation and rotation around a fixed axis, increasing the illumination model, keyboard control, and observers point of view of the key moves. PS: I think
Sobel
- 本算法是在经典Sobel算子基础上,结合汽车本身的实际情况,增加了6个方向模板,同时利用基于L2 范数的各同性扩散去噪模型消除噪声,最终得出汽车轮廓图。仿真结果表明:该算法对汽车图像的噪声干扰 有较强的抑制能力,汽车轮廓提取定位更准,精度更高,图像更清晰。-This algorithm is the classical Sobel operator on the basis of the actual situation with the car itself, an increase
TV
- 利用TV模型修复算法做图像修复，C++实现，本程序只适合处理8位bmp图像，如需处理rgb图像，自行仿照代码增加相应内容-TV model repair algorithms make use of image restoration, C++ realize that this program is only suitable for handling eight bmp images, rgb images for processing, self-modeled code correspo
main
- AR,通过摄像头的人脸识别并增加相应的模型，实现最基本的现实增强-AR, face recognition cameras and increase the corresponding model, to achieve the most basic Augmented Reality
ransac
- 隨機抽樣一致算法（RANdom SAmple Consensus,RANSAC）。它採用疊代的方式從一組包含離群的被觀測數據中估算出數學模型的參數。 RANSAC是一個非確定性算法，在某種意義上說，它會產生一個在一定機率下合理的結果，而更多次的疊代會使這一機率增加。-Ransac algorithm (RANdom SAmple Consensus, RANSAC). It uses an iterative way to estimate the parameters of the mathe
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致