自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(73)
  • 资源 (18)
  • 收藏
  • 关注

原创 Qt5的QEvent事件类

QEvent类继承关系:Qt5.QEvent.QTimerEvent 定时器事件 QMouseEvent 鼠标事件 QWheelEvent 滑动鼠标滑轮事件 QTabletEvent QKeyEvent 键盘事件 QFocusEvent 焦点事件 ...

2018-04-18 18:22:53 10087 1

原创 PyQt5学习笔记1:零星使用技巧汇总

在使用MainWindow中的一些技巧【注意:1)尺寸值不包括标题栏的高度和边框的宽度。2)尺寸和设定的样式有关。不同电脑中可用不同的字体及大小,所以,最好不要使用固定尺寸。 3)由于某些函数的调用会使窗口的尺寸发生变化。】 1。设置窗口最小化和最大化大小:* self.setMinimumSize(0,0) self.setMaximumSize(width,height) s...

2018-04-18 17:26:49 1806

原创 PyQt5的表格创建

PyQt5中有两种创建表格的控件:Table View和Table Widget。1、Table WidgetQTableWidget是QT程序中常用的显示数据表格的空间,很类似于VC、C#中的DataGrid。 pyqt5的tablewidget组件比较特殊,每个方格可以装载其他组件来搭配实现不同的效果,所以在qtdesigner上找不到可视化直接设置mask或者其他可以限制填入单...

2018-04-16 12:32:31 17204 1

原创 PyQt5+Qt Designer如何实现不同对话框之间调用?

在学习PyQt5+Qt Designer过程中,在QInputDialog对话框中或QMessageBox消息框中,点击按钮Button都会自动弹出一个对话框,这些对话框都是系统自带的,现在我们需要自定义一个“弹出对话框”,参考了网上一些例子,可使用代码编写的形式创建主窗口和子窗口,然后经过信号和槽函数调用来实现,具体实例可参考: 1、各位大神,求问pyqt5如何实现点击一个按钮跳出另一个窗口?...

2018-04-15 18:55:46 5864

原创 PyQt5的输入对话框使用(QInputDialog)

PyQt5中QInputDialog的使用,Qt的QInputDialog类提供了一种简单方面的对话框来获得用户的单个输入信息,它提供了4种数据类型的输入: 1)字符串型(方法=QInputDialog.getText); 2)Int类型数据(方法=QInputDialog.getInt); 3)double类型数据(方法=QInputDialog.getDouble); 4)下拉列表框的...

2018-04-15 12:35:21 39878 2

原创 Widget/Dialog/MainWindow等窗口的主函数代码编写模板

涉及工具: Python3.6 pycharm3+PyQt5+Qt designer 在新建的.py文件中调用由Qt设计器创建的窗口经ui转换为py代码文件,并显示窗口和添加控件的信息和槽函数,则.py文件的代码模板如下: 【各种类型窗口的子函数代码可自动生成:Qt designer创建窗口——保存为.ui文件——将ui文件通过PyUI工具转为.py文件——即可得到窗口的代码】 【主函数...

2018-04-12 21:25:05 1633

原创 PyQt5+pycharm获得对话框的位置、大小信息并显示在对话框中

过程简介使用Qt Designer创建一个无button的对话框窗口;并在对话框中添加9行2列的QLabel标签控件,如下图所示 右边列的QLabel控件名称全部变为空,且将其ObjectName改为: xlabel ylabel framegeolabel poslabel widthlabel heightlabel rectlabel sizelabel保存对话...

2018-04-12 20:52:47 3262

原创 基于python的GUI开发—环境IDE/开发框架/库等

在这里介绍两种方法:第一种:pycharm+PyQt5+python3.6的python GUI开发环境1.1 下载1、pycharm下载(下载Community版Version: 2017.3.3): https://www.jetbrains.com/pycharm/download/#section=windows(https://www.jetbrains.com/p...

2018-02-08 22:52:45 2487 1

原创 Eclipse中安装Java Opencv

1、第一步,下载OpenCV3.3.1,下载地址为: https://opencv.org/releases.htmlIntroduction to Java Development(Java的opencv开发文档): https://docs.opencv.org/2.4.4-beta/doc/tutorials/introduction/desktop_java/java_dev_int

2018-02-06 22:24:20 350

原创 Java第三方工具库/包汇总

一、科学计算或矩阵运算库科学计算包:JMathLib是一个用于计算复杂数学表达式并能够图形化显示计算结果的Java开源类库。它是Matlab、Octave、FreeMat、Scilab的一个克隆,但完全采用纯Java实现。JSci:Java 科学对象(JSci)开放源代码项目是 Durham(英国 Durham)大学粒子理论中心的三年级研究生 Mark Hale 创立的。JSci

2018-02-03 16:39:53 42263 3

转载 支持C/C++、Java、python、Matlab等语言的第三方机器学习库汇总

C通用机器学习Recommender - 一个产品推荐的C语言库,利用了协同过滤.计算机视觉CCV - C-based/Cached/Core Computer Vision Library ,是一个现代化的计算机视觉库。 VLFeat - VLFeat 是开源的 computer vision algorithms库, 有 Matlab toolbox。C++

2018-02-03 11:37:33 4321

原创 软件开发模型

软件开发模型(Software Development Model)是指软件开发全部过程、活动和任务的结构框架。 软件开发包括需求、设计、编码和测试等阶段,有时也包括维护阶段。 软件开发模型能清晰、直观地表达软件开发全过程,明确规定了要完成的主要活动和任务,用来作为软件项目工作的基础。 对于不同的软件系统,可以采用不同的开发方法、使用不同的程序设计语言以及各种不同技能的人员参与工作、运用不同的

2018-02-01 17:38:41 565

原创 A1 软件需求分析

软件需求分析就是把软件计划期间建立的软件可行性分析求精和细化,分析各种可能的解法,并且分配给各个软件元素。需求分析是软件定义阶段中的最后一步,是确定系统必须完成哪些工作,也就是对目标系统提出完整、准确、清晰、具体的要求。1 软件需求分析需求分析三阶段:需求提出、需求描述及需求评审。 【需求提出】:主要集中于描述系统目的。需求提出和分析仅仅集中在使用者对系统的观点上。开发人员和用户确

2018-02-01 17:20:28 955

转载 软件项目开发过程

本文部分转自:人生如轻尘栖弱草 源文件出自一、开发流程图二、过程产物及要求本表主要列出开发阶段需要输出的过程产物,包括产物名称、成果描述、负责人及备注,即谁、在什么时间、应该提供什么内容、提供内容的基本方向和形式是什么。项目启动阶段产物名称成果描述负责人调研文档了解项目背景,了解项目干系人目标方向产品经理团队组建确认团队人员及配置产品总监业务梳理明确项目的目

2018-02-01 16:43:20 1632

原创 数据结构

1、数据结构数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。数据元素相互之间的关系称为结构。1. 数据的逻辑结构: 指反映数据元素之间的逻辑关系的数据结构,其中的逻辑关系是指数据元素之间的前后件关系,而与他们在计算机中的存储位置无关。逻辑结构包括:集合、线性结构、树形结构、图状结构; 1)集合结构:除了同属于一种类型外,别无其它关系2

2018-02-01 16:15:43 701

原创 Java中安装python插件

已有平台:python3.6、JDK、Eclipse4.7.2 现在需要在Eclipse4.7.2上安装PyDev(即运行python代码的插件)? 安装步骤: 第一步:找到pydev软件的地址:http://www.pydev.org/update_sites/ 复制最新版网址备用。 第二步:打开Eclipse软件; 第三步:打开help——install new softwar

2018-02-01 14:08:37 897

原创 Java开发工具下载与安装

Java开发工具使用集成开发工具IDE: Eclipse和NetBeans【根据自己喜欢选择,不过Eclipse比NetBeans好用】Eclipse的安装过程:第一步:先安装JDK,因为Eclipse的运行是依赖于JDK或JRE的,又JDK中附带有JRE,所以必须先安装JDK。 下载地址(官网): http://www.oracle.com/technetwork/java/

2018-01-31 21:46:32 563

转载 JAVA学习路线图

http://www.cnblogs.com/biehongli/p/5754555.html

2018-01-31 18:28:30 162

转载 基于Java的项目开发过程

完整项目开发过程 原型的设计有产品经理负责。 界面的美化有专门的美工负责。 前端有专门的前端开发人员负责。 研发:研发主要工作就是根据项目的需求文档设计系统架构、设计数据库、编写调试程序代码。对于普通的码农来说,主要的就是编写和调试程序。基于Java的项目开发: 1、要想编写程序,需要一个能编写源代码的编辑工具。例如:Notepad++; 2、要想测试程序,需要一个编译、执行

2018-01-31 16:49:59 12159

原创 Java基础01

1、Java介绍Java是由Sun Microsystems公司于1995年5月推出的Java面向对象程序设计语言和Java平台的总称。由James Gosling和同事们共同研发,并在1995年正式推出。 Java分为三个体系:1)JavaSE(J2SE)=Java SE(Java2 Platform Standard Edition,java平台标准版) 【它允许开发和部署

2018-01-31 16:26:02 383

转载 numpy中的matrix矩阵处理

这里写链接内容 numpy模块中的矩阵对象为numpy.matrix,包括矩阵数据的处理,矩阵的计算,以及基本的统计功能,转置,可逆性等等,包括对复数的处理,均在matrix对象中。 class numpy.matrix(data,dtype,copy):返回一个矩阵,其中data为ndarray对象或者字符形式;dtype:为data的type;copy:为bool类型。

2018-01-12 10:03:13 895

转载 2017年度15个最好的数据科学领域Python库

[这里写链接内容]((https://mp.weixin.qq.com/s/2xjdP7q3WibmWuAEIZBITA?utm_source=tuicool&utm_medium=referral) 由于近年来Python已经在数据科学领域引起了很大的关注,我想根据最近的经验,为数据科学家和工程师列出一些最有用的库。由于所有的库都是开源的,我们增加了来自Github的提交,贡献者,计数和其

2018-01-12 08:32:43 551

原创 python的时间操作

python的程序执行时间计算模块:一 datetime【获取当前计算机的时间:年月日星期小时分钟秒微秒,时区等,代码如下:from datetime import datetimeprint('today():' , datetime.today()) print('now():' , datetime.now()) 】 datetime模块中包含以下类:

2018-01-09 10:32:59 921

原创 numpy的属性和函数

NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank)。 例如,在3D空间一个点的坐标[1, 2, 3]是一个秩为1的数组,因为它只有一个轴。那个轴长度为3.又例如,在以下例子中,数组的秩为2(它有两个维度).第一个维度长度为2

2018-01-07 11:23:44 1098

原创 numpy学习笔记(1)

Numpy的介绍一、NumPy简介 NumPy的全名为Numeric Python,是一个开源的Python科学计算库,它包括: 一个强大的N维数组对象ndrray; 比较成熟的(广播)函数库; 用于整合C/C++和Fortran代码的工具包; 实用的线性代数、傅里叶变换和随机数生成函数 NumPy的优点对于同样的数值计算任务,使用NumPy要比直接编写Python代码便捷得

2018-01-07 11:05:11 1689

转载 【转载:80个Python经典资料(教程+源码+工具)汇总】

80个Python经典资料(教程+源码+工具)汇总大家好,51CTO下载中心根据资料的热度和好评度收集了80个Python资料,分享给Python开发的同学。内容包括1个Python专题、66个学习资料、7套Python源码和6个相关软件。附件较多,无法一一分享,在此大家整理一个下载目录了,可以保存以备后用,需要时可选择性下载。附件下载地址:http://down.51cto.com/da

2018-01-06 18:26:15 7477

转载 转载:49个python经典电子书

【转载:49个python经典电子书】http://blog.sina.com.cn/s/blog_653f5cb20101fz8h.htmlPython语法简捷而清晰,具有丰富和强大的类库。它常被昵称为胶水语言,它能够很轻松的把用其他语言制作的各种模块(尤其是C/C++)轻松地联结在一起。常见的一种应用情形是,使用python快速生成程序的原型(有时甚至是程序的最终界面),然后对其中有特

2018-01-06 18:24:22 6438 1

转载 wxpython_GUI学习笔记(5)——wx.Frame学习

【转载博主麦兜搞IT:http://blog.sina.com.cn/s/blog_4b5039210100ez54.html】因为笔记主要是摘自《wxpython in action》,很多名词我怕翻译不准,就直接用英文原文来代替,就像今天的top-level window object 和subwindow object ,这里暂时叫顶层窗口对象和子窗口对象。    首先看

2018-01-06 18:15:21 8487 1

原创 wxpython_GUI学习笔记(4)——wxFormBuilder

一 简介:wxFormBuilder 是一个基于 wxWidgets 的 UI 设计的快速开发工具。红线圈起部分是:wxFormBuilder使用拖拽方式添加控件、按钮和其他功能事件等,当界面设计完成之后,它可以自动生成C++、python、PHP、LUA和XRC等语言代码。二 wxPython界面设计器——wxfor

2018-01-06 17:56:43 8584

原创 wxpython_GUI学习笔记(2)——认识wxpython

wxPython是Python编程语言的一个GUI工具箱。他使得Python程序员能够轻松的创建具有健壮、功能强大的图形用户界面的程序。它是Python语言对流行的wxWidgets跨平台GUI工具库的绑定。而wxWidgets是用C++语言写成的。  和Python语言与wxWidgets GUI工具库一样,wxPython是开源软件。这意味着任何人都可以免费地使用它并且可以查看和修改它

2018-01-06 17:34:00 820

原创 Python_GUI学习笔记(3)wxPython的简单界面设计

第一次接触到wxpython,在网上找到一个简单的界面显示代码,复制到spyder3编辑中进行运行出现错误,(“module 'wx' has no attributte 'App'”),但在python3.6的IDLE编辑器上运行没有错误。具体程序如下:import wxapp = wx.App()frame = wx.Frame(None,title="my GUI")fram

2018-01-06 17:24:54 8567

原创 Python_GUI学习笔记(1)----GUI界面设计开发库

我是使用Anaconda的spyder作为python程序编辑器,在安装anaconda之后就自带了python的图像设计标准库Tkinter,此库设计界面不够方便和美观。现在经常使用的第三方库且比较好用、效果较好的是:pyQT和wxPython。1. tkInter这是 Python 做的 tk/tcl 的壳。tk/tcl 有着广泛的应用,据说用户群体很庞大。这个是 Python 官方承认的标准...

2018-01-06 16:43:08 9460 1

转载 各种聚类算法的比较

聚类的目标是使同一类对象的相似度尽可能地大;不同类对象之间的相似度尽可能地小。目前聚类的方法很多,根据基本思想的不同,大致可以将聚类算法分为五大类:层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法和用于高维度的聚类算法。摘自 数据挖掘中的聚类分析研究综述 这篇论文。1、层次聚类算法1.1聚合聚类1.1.1相似度依据距离不同:Single-Link:最近距

2017-05-17 11:11:05 16655

视频截图软件(自己写的)

自己使用VC6.0++写的一个AVI视频截图软件,对于做视频分析和运动目标检测、跟踪的初学者做实验是非常有用的。把视频截成图片之后,就可以使用Matlab来做视频分析了。如有人需要代码的可以使用邮箱与我联系。

2011-12-20

计算机基础上机操作题--Excel和PPT

每一个都是我花时间整理出来的100多道上机操作习题。对初学者、考计算机二级或上这门课的老师都非常有用。

2010-10-24

计算机基础上机操作题--windows和word

全是windows和word的上机操作题,是我花时间整理出来的,每一个都有100多个题目,对初学者和上这门课的老师都非常有用。

2010-10-24

大学一年级计算机信息基础课件

非常好的一个计算机基础学习课件,包括:windows,word,excel和ppt等。

2010-10-24

计算机信息技术基础课件

计算机信息基础与应用基础的PPT课件,任何大学生都要学的基础课程。是非常有用的。

2010-09-08

支持向量机和遗传算法原理与应用

统计学习理论和支持向量机被视为机器学习问题的一个基本框架,传统的方法都可以看作是SVM方法的一种实现 有坚实的理论基础和严格的理论分析

2009-07-10

线性感知器程序设计方法

用MATLAB编写的三种线性感知器程序,相信该资料对你一定有用,比较完整。

2009-07-10

图像处理--插值旋转算法

讲述了在图像旋转中所使用的几种插值算法。有程序源代码,和检测图像等。

2009-07-10

图像处理---图像细化算法

用VC++别写的图像二值化后,再细化的原代码。

2009-07-10

VC++的图像细化程序代码

用VC++别写的图像二值化后,再细化的原代码。

2009-07-10

基于自适应背景差的运动目标检测、跟踪方法

该资料使用时间差分、背景差、自适应背景更新等方法进行运动目标跟踪。

2009-07-09

中国少数民族统计学数据

主要是对贵州省少数民族地区的数据分析.中国少数民族人口及主要分布地区;医学数据仓库与数据挖掘。

2009-03-23

图象增强中k均值算法程序

灰度最相近的K个邻点平均法: % 该算法的出发点是:在n×n的窗口内,属于同一集合体的像素,它们的灰度值将高度相关。 % 因此,可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。 % 较小的K值使噪声方差下降较小,但保持细节效果较好;而较大的K值平滑噪声较好,但会使图像边缘模糊。 % 实验证明,对于3×3的窗口,取K=6为宜.

2008-10-28

图像直方图均衡化处理程序

重点掌握数字图像处理的基本概念、系统组成、特点及应用。重点掌握数字图像处理的基本概念、系统组成、特点及应用。

2008-10-28

计算机数字图像处理技术课件

要求学生了解数字图像处理的主要内容及相关知识,熟悉数字图像处理与其他学科的关系;

2008-10-28

图象处理中直方图均衡化处理

直方图变换 %一,图像的预处理,读入彩色图像将其灰度化 PS=imread('1.jpg'); %读入JPG彩色图像文件 imshow(PS) %显示出来 title('输入的彩色JPG图像') imwrite(rgb2gray(PS),'PicSampleGray.bmp'); %将彩色图片灰度化并保存 PS=rgb2gray(PS); %灰度化后的数据存入数组

2008-10-28

图象处理二值图象的细化算法

细化算法的分类: 依据是否使用迭代运算可以分为两类:第一类是非迭代算法,一次即产生骨架,如基于距离变换的方法。游程长度编码细化等。第二类是迭代算法,即重复删除图像边缘满足一定条件的像素,最终得到单像素宽带骨架。迭代方法依据其检查像素的方法又可以再分成串行算法和并行算法,在串行算法中,是否删除像素在每次迭代的执行中是固定顺序的,它不仅取决于前次迭代的结果,也取决于本次迭代中已处理过像素点分布情况,而在并行算法中,像素点删除与否与像素值图像中的顺序无关,仅取决于前次迭代的结果。在经典细化算法发展的同时,起源于图像集合运算的形态学细化算法也得到了快速的发展。 Hilditch、Pavlidis、Rosenfeld细化算法:这类算法则是在程序中直接运算,根据运算结果来判定是否可以删除点的算法,差别在于不同算法的判定条件不同。 其中Hilditch算法使用于二值图像,比较普通,是一般的算法; Pavlidis算法通过并行和串行混合处理来实现,用位运算进行特定模式的匹配,所得的骨架是8连接的,使用于0-1二值图像 ;Rosenfeld算法是一种并行细化算法,所得的骨架形态是8-连接的,使用于0-1二值图像 。 后两种算法的效果要更好一些,但是处理某些图像时效果一般,第一种算法使用性强些。 索引表细化算法:经过预处理后得到待细化的图像是0、1二值图像。像素值为1的是需要细化的部分,像素值为0的是背景区域。基于索引表的算法就是依据一定的判断依据,所做出的一张表,然后根据魔鬼要细化的点的八个邻域的情况查询,若表中元素是1,若表中元素是1,则删除该点(改为背景),若是0则保留。因为一个像素的8个邻域共有256中可能情况,因此,索引表的大小一般为256。 图象细化算法代码: 下面是我在网上搜索到的一些细化算法的源码,只是为了自己学习方便,可能有错误。 【来 源】:http://blog.csdn.net/byxdaz/archive/2006/02/27/610835.aspx #include "StdAfx.h" #include <stdlib.h> #include <malloc.h> void beforethin(unsigned char *ip, unsigned char *jp, unsigned long lx, unsigned long ly) { unsigned long i,j; for(i=0; i<ly; i++) { for(j=0; j<lx; j++) { //这里要视前景是白点还是黑点而定,可以改动 //如果前景是白点,就是这样;反之反过来 if(ip[i*lx+j]>0) jp[i*lx+j]=1; else jp[i*lx+j]=0; } } } ///////////////////////////////////////////////////////////////////////// //Hilditch细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerHilditch(void *image, unsigned long lx, unsigned long ly) { char *f, *g; char n[10]; unsigned int counter; short k, shori, xx, nrn; unsigned long i, j; long kk, kk11, kk12, kk13, kk21, kk22, kk23, kk31, kk32, kk33, size; size = (long)lx * (long)ly; g = (char *)malloc(size); if(g == NULL) { printf("error in allocating memory!\n"); return; } f = (char *)image; for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk="i"*ly+j; if(f[kk]!=0) { f[kk]=1; g[kk]=f[kk]; } } } counter = 1; do { printf("%4d*",counter); counter++; shori = 0; for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk = i*ly+j; if(f[kk]<0) f[kk] = 0; g[kk]= f[kk]; } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk="i"*ly+j; if(f[kk]!=1) continue; kk11 = (i-1)*ly+j-1; kk12 = kk11 + 1; kk13 = kk12 + 1; kk21 = i*ly+j-1; kk22 = kk21 + 1; kk23 = kk22 + 1; kk31 = (i+1)*ly+j-1; kk32 = kk31 + 1; kk33 = kk32 + 1; if((g[kk12]&&g[kk21]&&g[kk23]&&g[kk32])!=0) continue; nrn = g[kk11] + g[kk12] + g[kk13] + g[kk21] + g[kk23] + g[kk31] + g[kk32] + g[kk33]; if(nrn <= 1) { f[kk22] = 2; continue; } n[4] = f[kk11]; n[3] = f[kk12]; n[2] = f[kk13]; n[5] = f[kk21]; n[1] = f[kk23]; n[6] = f[kk31]; n[7] = f[kk32]; n[8] = f[kk33]; n[9] = n[1]; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) xx++; } if(xx!=1) { f[kk22] = 2; continue; } if(f[kk12] == -1) { f[kk12] = 0; n[3] = 0; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) xx++; } if(xx != 1) { f[kk12] = -1; continue; } f[kk12] = -1; n[3] = -1; } if(f[kk21]!=-1) { f[kk22] = -1; shori = 1; continue; } f[kk21] = 0; n[5] = 0; xx = 0; for(k=1; k<8; k="k"+2) { if((!n[k])&&(n[k+1]||n[k+2])) { xx++; } } if(xx == 1) { f[kk21] = -1; f[kk22] = -1; shori =1; } else f[kk21] = -1; } } }while(shori); free(g); } ///////////////////////////////////////////////////////////////////////// //Pavlidis细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerPavlidis(void *image, unsigned long lx, unsigned long ly) { char erase, n[8]; char *f; unsigned char bdr1,bdr2,bdr4,bdr5; short c,k,b; unsigned long i,j; long kk,kk1,kk2,kk3; f = (char*)image; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(f[kk]) f[kk] = 1; } } for(i=0, kk1=0, kk2=ly-1; i<lx; i++, kk1+=ly, kk2+=ly) { f[kk1]=0; f[kk2]=0; } for(j=0, kk=(lx-1)*ly; j<ly; j++,kk++) { f[j]=0; f[kk]=0; } c="5"; erase =1; while(erase) { c++; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk="i"*ly+j; if(f[kk]!=1) continue; kk1 = kk-ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk3 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr1 =0; for(k=0; k<8; k++) { if(n[k]>=1) bdr1|=0x80>>k; } if((bdr1&0252)== 0252) continue; f[kk] = 2; b="0"; for(k=0; k<=7; k++) { b+=bdr1&(0x80>>k); } if(b<=1) f[kk]=3; if((bdr1&0160)!=0&&(bdr1&07)!=0&&(bdr1&0210)==0) f[kk]=3; else if((bdr1&&0301)!=0&&(bdr1&034)!=0&&(bdr1&042)==0) f[kk]=3; else if((bdr1&0202)==0 && (bdr1&01)!=0) f[kk]=3; else if((bdr1&0240)==0 && (bdr1&0100)!=0) f[kk]=3; else if((bdr1&050)==0 && (bdr1&020)!=0) f[kk]=3; else if((bdr1&012)==0 && (bdr1&04)!=0) f[kk]=3; } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(!f[kk]) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk2 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr1 = bdr2 =0; for(k=0; k<=7; k++) { if(n[k]>=1) bdr1|=0x80>>k; if(n[k]>=2) bdr2|=0x80>>k; } if(bdr1==bdr2) { f[kk] = 4; continue; } if(f[kk]!=2) continue; if((bdr2&0200)!=0 && (bdr1&010)==0 && ((bdr1&0100)!=0 &&(bdr1&001)!=0 || ((bdr1&0100)!=0 ||(bdr1 & 001)!=0) && (bdr1&060)!=0 &&(bdr1&06)!=0)) { f[kk] = 4; } else if((bdr2&040)!=0 && (bdr1&02)==0 && ((bdr1&020)!=0 && (bdr1&0100)!=0 || ((bdr1&020)!=0 || (bdr1&0100)!=0) && (bdr1&014)!=0 && (bdr1&0201)!=0)) { f[kk] = 4; } else if((bdr2&010)!=0 && (bdr1&0200)==0 && ((bdr1&04)!=0 && (bdr1&020)!=0 || ((bdr1&04)!=0 || (bdr1&020)!=0) && (bdr1&03)!=0 && (bdr1&0140)!=0)) { f[kk] = 4; } else if((bdr2&02)!=0 && (bdr1&040)==0 && ((bdr1&01)!=0 && (bdr1&04)!=0 || ((bdr1&01)!=0 || (bdr1&04)!=0) && (bdr1&0300)!=0 && (bdr1&030)!=0)) { f[kk] = 4; } } } for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly + j; if(f[kk]!=2) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk2 = kk + 1; n[4] = f[kk1]; n[0] = f[kk3]; kk1 = kk + ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; bdr4 = bdr5 =0; for(k=0; k<=7; k++) { if(n[k]>=4) bdr4|=0x80>>k; if(n[k]>=5) bdr5|=0x80>>k; } if((bdr4&010) == 0) { f[kk] = 5; continue; } if((bdr4&040) == 0 && bdr5 ==0) { f[kk] = 5; continue; } if(f[kk]==3||f[kk]==4) f[kk] = c; } } erase = 0; for(i=1; i<lx-1; i++) { for(j=1; j<ly-1; j++) { kk = i*ly +j; if(f[kk]==2||f[kk] == 5) { erase = 1; f[kk] = 0; } } } } } ///////////////////////////////////////////////////////////////////////// //Rosenfeld细化算法 //功能:对图象进行细化 //参数:image:代表图象的一维数组 // lx:图象宽度 // ly:图象高度 // 无返回值 void ThinnerRosenfeld(void *image, unsigned long lx, unsigned long ly) { char *f, *g; char n[10]; char a[5] = {0, -1, 1, 0, 0}; char b[5] = {0, 0, 0, 1, -1}; char nrnd, cond, n48, n26, n24, n46, n68, n82, n123, n345, n567, n781; short k, shori; unsigned long i, j; long ii, jj, kk, kk1, kk2, kk3, size; size = (long)lx * (long)ly; g = (char *)malloc(size); if(g==NULL) { printf("error in alocating mmeory!\n"); return; } f = (char *)image; for(kk=0l; kk<size; kk++) { g[kk] = f[kk]; } do { shori = 0; for(k=1; k<=4; k++) { for(i=1; i<lx-1; i++) { ii = i + a[k]; for(j=1; j<ly-1; j++) { kk = i*ly + j; if(!f[kk]) continue; jj = j + b[k]; kk1 = ii*ly + jj; if(f[kk1]) continue; kk1 = kk - ly -1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[3] = f[kk1]; n[2] = f[kk2]; n[1] = f[kk3]; kk1 = kk - 1; kk3 = kk + 1; n[4] = f[kk1]; n[8] = f[kk3]; kk1 = kk + ly - 1; kk2 = kk1 + 1; kk3 = kk2 + 1; n[5] = f[kk1]; n[6] = f[kk2]; n[7] = f[kk3]; nrnd = n[1] + n[2] + n[3] + n[4] +n[5] + n[6] + n[7] + n[8]; if(nrnd<=1) continue; cond = 0; n48 = n[4] + n[8]; n26 = n[2] + n[6]; n24 = n[2] + n[4]; n46 = n[4] + n[6]; n68 = n[6] + n[8]; n82 = n[8] + n[2]; n123 = n[1] + n[2] + n[3]; n345 = n[3] + n[4] + n[5]; n567 = n[5] + n[6] + n[7]; n781 = n[7] + n[8] + n[1]; if(n[2]==1 && n48==0 && n567>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[6]==1 && n48==0 && n123>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[8]==1 && n26==0 && n345>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[4]==1 && n26==0 && n781>0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[5]==1 && n46==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[7]==1 && n68==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[1]==1 && n82==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } if(n[3]==1 && n24==0) { if(!cond) continue; g[kk] = 0; shori = 1; continue; } cond = 1; if(!cond) continue; g[kk] = 0; shori = 1; } } for(i=0; i<lx; i++) { for(j=0; j<ly; j++) { kk = i*ly + j; f[kk] = g[kk]; } } } }while(shori); free(g); } ///////////////////////////////////////////////////////////////////////// //基于索引表的细化细化算法 //功能:对图象进行细化 //参数:lpDIBBits:代表图象的一维数组 // lWidth:图象高度 // lHeight:图象宽度 // 无返回值 BOOL WINAPI ThiningDIBSkeleton (LPSTR lpDIBBits, LONG lWidth, LONG lHeight) { //循环变量 long i; long j; long lLength; unsigned char deletemark[256] = { 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,1,1,1,0,1,1, 0,0,0,0,0,0,0,0, 1,0,0,0,1,0,1,1, 0,0,0,0,0,0,0,0, 1,0,1,1,1,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 1,0,0,0,1,0,1,1, 1,0,0,0,0,0,0,0, 1,0,1,1,1,0,1,1, 0,0,1,1,0,0,1,1, 0,0,0,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,1,0,0,1,1, 1,1,0,1,0,0,0,1, 0,0,0,0,0,0,0,0, 1,1,0,1,0,0,0,1, 1,1,0,0,1,0,0,0, 0,1,1,1,0,0,1,1, 0,0,0,1,0,0,1,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,1,1,1, 1,1,1,1,0,0,1,1, 1,1,0,0,1,1,0,0, 1,1,1,1,0,0,1,1, 1,1,0,0,1,1,0,0 };//索引表 unsigned char p0, p1, p2, p3, p4, p5, p6, p7; unsigned char *pmid, *pmidtemp; unsigned char sum; int changed; bool bStart = true; lLength = lWidth * lHeight; unsigned char *pTemp = (unsigned char *)malloc(sizeof(unsigned char) * lWidth * lHeight); // P0 P1 P2 // P7 P3 // P6 P5 P4 while(bStart) { bStart = false; changed = 0; //首先求边缘点(并行) pmid = (unsigned char *)lpDIBBits + lWidth + 1; memset(pTemp, (BYTE) 0, lLength); pmidtemp = (unsigned char *)pTemp + lWidth + 1; for(i = 1; i < lHeight -1; i++) { for(j = 1; j < lWidth - 1; j++) { if( *pmid == 0) { pmid++; pmidtemp++; continue; } p3 = *(pmid + 1); p2 = *(pmid + 1 - lWidth); p1 = *(pmid - lWidth); p0 = *(pmid - lWidth -1); p7 = *(pmid - 1); p6 = *(pmid + lWidth - 1); p5 = *(pmid + lWidth); p4 = *(pmid + lWidth + 1); sum = p0 & p1 & p2 & p3 & p4 & p5 & p6 & p7; if(sum == 0) { *pmidtemp = 1; } pmid++; pmidtemp++; } pmid++; pmid++; pmidtemp++; pmidtemp++; } //现在开始串行删除 pmid = (unsigned char *)lpDIBBits + lWidth + 1; pmidtemp = (unsigned char *)pTemp + lWidth + 1; for(i = 1; i < lHeight -1; i++) { for(j = 1; j < lWidth - 1; j++) { if( *pmidtemp == 0) { pmid++; pmidtemp++; continue; } p3 = *(pmid + 1); p2 = *(pmid + 1 - lWidth); p1 = *(pmid - lWidth); p0 = *(pmid - lWidth -1); p7 = *(pmid - 1); p6 = *(pmid + lWidth - 1); p5 = *(pmid + lWidth); p4 = *(pmid + lWidth + 1); p1 *= 2; p2 *= 4; p3 *= 8; p4 *= 16; p5 *= 32; p6 *= 64; p7 *= 128; sum = p0 | p1 | p2 | p3 | p4 | p5 | p6 | p7; if(deletemark[sum] == 1) { *pmid = 0; bStart = true; } pmid++; pmidtemp++; } pmid++; pmid++; pmidtemp++; pmidtemp++; } } return true; }

2008-10-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除