搜索资源列表
基于OpenCV的常用图像分割算法
- 基于OpenCV的常用图像分割算法，用随机产生的颜色勾勒目标的轮廓-The program takes a color image (PPM format) and produces a segmentation with a random color assigned to each region.
基于opencv2.2的大津法分割
- 基于opencv2.2的大津法分割，大津法是一种自适应的阈值分割方法，应用较广，按灰度特性，将图像分为背景和目标两部分，是二值化的图像。本代码需要先行安装opencv2.2-The Otsu method based opencv2.2 split, Otsu method is an adaptive thresholding method, used widely, according to the gray-scale features, the image is divided into
opencv-ostu
- 基于OPENcv大津阈值分割运动目标检测方法的源代码- the code of otsu for moving goal detection based on opencv
SimplestSaliencyExample
- 基于OPENCV的前景目标分割程序，使用高斯背景建模将移动的前景目标分割出来。-a saliency region extraction program based on OPENCV library using Gaussian background modeling method.
Adative-contour-extraction
- 在图像中提取轮廓（用到了自适应阈值分割算法），根据目标特征，如周长、面积等参数进行筛选，得到目标的轮廓。-Contour extraction in the image (use an adaptive thresholding algorithm), depending on the target characteristics, such as perimeter, area and other parameters of screening, target profile.
motion-tracking-and-implementation
- 目标跟踪是计算机视觉的一个重要分支,日益广泛应用于科学技术、国防安全、航空、医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整地分割目标、合理提取特征和准确地识别目标,同时,要考虑算法实现的时间,以保证实时性。当视频图像中被跟踪目标发生姿态变化,存在旋转或部分遮挡时,简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪目标的要求,出现误匹配或者跟踪丢失的情况,而且跟踪效率较低。Gary R.Bradski提出的CAMSHIFT[1](Continu-ously Adaptive
opencvCar
- 基于opencv的车牌识别程序，能实现目标跟踪，截图，车牌识别包括了打开图像、图像二值化、车牌定位、字符分割、字符识别等。-Opencv-based license plate recognition program, to achieve the target tracking shots, license plate recognition, including the open image, image binarization, license plate localization, c
edge_track
- 一个好用的视觉目标跟踪算法： 边缘跟踪，先分割出目标物的边缘信息，根据边缘求的目标物的质心，完成视觉目标跟踪-An easy to use visual target tracking algorithm: edge of the track, the first split to the edge of the target, according to the centroid of the edge of the demand target to complete the visual
opencv-meanshift
- meanshift的opencv代码，meanshift用于图像分割，目标跟踪-meanshift the opencv the code, meanshift used for image segmentation, target tracking
1GHY3249HSV
- 基于HSV颜色空间的目标检测，先阈值化实现初步分割，再二值化H通道，阈值不同结果会有差异。最后进行噪声去除。 -Target detection based on the HSV color space, the first threshold value of the initial segmentation, and then binarized H channel, there is a difference between the different results of the t
contour
- 基于opencv的计算图像的边界区域，从而提取出目标区域，达到图像分割的目的。-Calculated based on the opencv image boundary region, thereby extracting the target area, to achieve the purpose of image segmentation.
opencv
- 迭代法进行阈值分割，使其分割为目标背景为黑白的二值图像-Threshold segmentation iterative method
OpenCV
- 基于opencv的use摄像头视频采集程序 1 基于opencv的两个摄像头数据采集 3 能激发你用代码做视频的冲动程序 6 图像反转（就是把黑的变白，白的变黑） 11 图像格式的转换 12 从摄像头或者AVI文件中得到视频流，对视频流进行边缘检测 13 采用Canny算子进行边缘检测 15 角点检测 18 图像的旋转加缩放（效果很拽，用地球做就像谷歌地球似的） 21 Log-Polar极坐标变换 22 对图像进行形态学操作（图像的开闭，腐蚀和膨胀运算）
2k
- 高斯处理视频并跟踪运动做前景背景分割，利用高斯处理的视频进行运动目标跟踪。-Gaussian process video do prospects background segmentation and track movement
KMkeen
- 基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础。图像分割属于图像处理中一种重要的图像分析技术。图像分割的基本方法是对灰度图像分割，处理图像的亮度分量，简单快速。本论文介绍了传统的图像分割与K-均值聚类算法分割，然后利用OpenCV函数将其实现，并介绍了OpenCV中图像分割相关的基本函数。-Based on the human visual image is segmented into several meaningful regions is the basis for
Average-background-method
- 平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。-Average background method is a simple way to split the background and foreground objects scene study. This method can only be used for background scene does not contain moving
test3
- VS2013+OPENCV2.4，OTSU阀值分割确定目标区域，sobel差分算子用来进行边缘检测，可知程序运行时间-VS2013+OPENCV2.4, OTSU segmentation threshold determining target region, sobel operator for performing differential edge detection, it can be seen running time
ExtractForeground
- opencv 调用，视频前景目标分割，动目标提取，对静态视频背景进行分割，提取出运动目标。(Opencv call, video foreground target segmentation, moving object extraction, segmentation of static video background, extraction of moving objects.)
BackGround-Fore-Detect
- 包含一些常见的运动目标检测算法，有背景模型算法，混合高斯模型算法，帧差法，经典的CB法，所有源码皆可运行。(This package include some common Moving Object Detection algorithm.Such as the BgModel,CodeBook and Gaussian-mixture-model.)
OpenCV_By_Example(中文版)
- 该资料中包含了《OpenCV By Example》中文版以及例程程序，该书的目录如下所示： 第1章 OpenCV的探险之旅; 第2章 OpenCV基础知识介绍; 第3章 图形用户界面和基本滤波; 第4章 深入研究直方图和滤波器; 第5章 自动光学检测、目标分割和检测; 第6章 学习目标分类; 第7章 识别人脸部分并覆盖面具; 第8章 视频监控、背景建模和形态学操作; 第9章 学习对象跟踪; 第10章 文本识别中的分割算法; 第11章 使用Tessera