- 博客(5)
- 资源 (15)
- 收藏
- 关注
RSS订阅原创 CLAHE代码
为了提高运行速度，把CLAHE的代码进行了修改，方便运行。CLAHE.hclass CLAHE{public: CLAHE(void); ~CLAHE(void); int m_nGridX; /* CLAHE 宽网格的个数 */ int m_nGridY; /* CLAHE 高网格的个数 */ unsigned char m_aLUT[256]; /* CL
2016-01-14 18:59:19
3007
1
原创 直方图均衡化—图像增强
void HistogramEqualization(unsigned char *pGrey,int nWidth, int nHeight){ unsigned char* pData,pInResult[256]; int pHist[256],i,j,nMulti; float pIntensity[256]; pData = (unsigned char*)...
2016-01-12 15:50:45
1613
翻译 《Contrast Limited Adaptive Histogram Equalization》
看英文文章喜欢一边看，一边翻译，这样不容易走神，翻译的不好，不喜勿喷。简介图像增强处理的方式大多数都是通过一个查询表，一个像素一个像素的转换如(Jain 1989)描述的。当一个图像对比较低时，使用合适的mapping函数通常会提高图像的对比度。mapping函数通常是非线性的，广泛应用的如gamma纠正，另一个非线性的技术是直方图均衡，它的思想是基于一个图像的好坏是基于直方图分布来判
2016-01-12 11:39:48
5364
12
原创 图像增强—灰度拉伸
灰度拉伸是一种图像增强算法，属于线性点运算的一种。灰度拉伸。也称对比度拉伸，是一种简单的线性点运算。它扩展图像的直方图，使其充满整个灰度级范围内。设f(x,y)为输入图像，它的最小灰度级A和最大灰度级B的定义，如下：A = min[f(x,y)] B = max[f(x,y)]将A和B分别线性映射到0和255，最终得到的图像g(x,y)为：void Stretch...
2016-01-11 14:05:03
9368
原创 《Improving Backgroud Subtraction using local binary similarity patterns》
1.简介背景减是大多数视频分析应用和目标识别的第一步，简单的通过多帧比较像素值的方法是不实际的，因为真正的视频经常包括噪声的异常值和动态元素(光线变化、起伏的物体等等)，这些元素 有可能都被误判为前景目标。近几年出现了很多复杂和精密的算法来解决这些问题，满足实际需要。本文作者提出的是"all-in-one"，单一的模型，单一的更新原则，无训练，基于无参数的VIBE算法来实现背景减。作者不仅...
2016-01-06 11:25:36
1098
Towards Perspective-Free Object Counting with Deep Learning_2016.pdf
2019-08-14
提取颜色和glcm纹理特征进行云分类
2018-09-28
利用小波变换梯度计算能见度，包含实现的工程代码及相关文献
2018-07-27
Detail enhancement for high-dynamic-range infrared images
2016-04-12
New_technique_for_the_visualization_of_high.pdf )
2016-04-11
spatiograms versus histograms for region-based tracking
2016-04-01
Integral_Histogram_A_Fast_Way_to_Extract_Histograms_in_Cartesian_Spaces
2016-01-08
Improving background subtraction using local binary similarity patterns
2016-01-08
Robust fragments-based tracking using the integral histogram
2015-09-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人