搜索资源列表
CannyEdgeDetection
- 使用canny边缘提取算法提取八位深度图像的边缘-Using the canny edge detection algorithm for image edge extraction depth of 8
ApplicationsOfDepth-FirstTraversal
- 1. 用ＤＦＳ判断一个无向图是否是连通图； 2. 为有向图的边分类，将它们的边分为前向边、后向边和交叉边； 3. 用ＤＦＳ和点消除求有向图的拓扑排序； 4. 判断有向图是不是强连通图，若不是，求强连通分量； 5. 判断有向图是不是半连同图； 6. 判断有向图是不是单连通图； 7. 判断无向图是不是双连通图。 通过以上编程对ＤＦＳ的应用，进一步了解ＤＦＳ的算法及它所代表的算法思想。 -1. Using DFS to test if a given undirecte
shendusousuo
- 深度搜索，可将边缘断点连接起来，多用于图像分割中和边缘检测结合使用-Depth of search, could be the edge connecting the breakpoints are used for image segmentation and edge detection used in conjunction
code
- 深入研究适合该图像的预处理、二值分割、边缘提取和几何形状判断方法，重点研究针尖倒装、弯曲和倒刺等不合格针尖的自动检 测方法，并基于C++ Builder平台使用C++面向对象技术实现上述图像处理过程。 -Depth for the image preprocessing, binary segmentation, edge detection and geometric methods of shape judgments, focusing on needle flip, bend a
Dshendusousuoe
- 深度搜索，可将边缘断点连接起来，多用于图像分割中中和边缘检测结合使用 ，经测试可直接使用。 -Depth search, you can connect the edge of the breakpoints used for image segmentation and edge detection, has been tested and can be used directly.
435234paper
- 从边检测边跟踪的角度探讨了图象序列中机动目标的形心跟踪问题,深入分析了强高斯噪声背景下目标形心估计的统计性质及用于形心估计的图象预处理方法。-Explored from the perspective of the side edge-detection tracking the centroid tracking of maneuvering targets in the image sequence, in-depth analysis of the statistical properti
tuxiangchulijiandan1
- 逆反处理, 平滑处理, 进行对比度处理,边缘处二值，这些图像处理算法都是最基本的算法。希望读者通过对这些算法的研究后可以进行更深入的研究。-Antagonistic processing, smoothing processing, the contrast processing, the edge short, the binary image processing algorithms are most basic algorithm. I hope the reader through t
BmpProcess
- C#开发，实现基本的图像处理功能，如调色板修改，颜色转换，模糊处理，边缘检测，亮度变化，纯色，颜色位数转换，灰度变换等-C# development, basic image processing functions, such as palette changes, color conversion, fuzzy processing, edge detection, changes in brightness, solid color, color depth conversion, gra
hed-master
- We develop a new edge detection algorithm, holistically-nested edge detection (HED), which performs image-to-image prediction by means of a deep learning model that leverages fully convolutional neural networks and deeply-supervised nets. HED automat
深度图像
- (1) 读取图片 ，转换为灰度图像； (2) 对 view1.png view1.png view1.png view1.png和 View5 .png .png 将图像 按照 4x4 像素 /方格 的形式 进行 分块； (3) 考虑 边缘的相对稳定 性，以及 双目 成像 视差 规律 ，在第一幅图像分割得 到的块图像周围 20 个像素 个像素 的距离区间内由近到远进行搜索，寻找 与该块 欧氏距离最近的块作为新位置 ； (4) 计算 视差 ，将每个小块 中代表点 的视差 信息转换到整个 区间