![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Image processing
文章平均质量分 65
shanno
一切尽在不言中
展开
-
联合灰度直方图
互信息、联合灰度直方图原创 2010-06-24 12:04:00 · 8465 阅读 · 0 评论 -
cximage 配置
CxImage函数说明:http://www.xdp.it/cximage/一、配置:引用自:http://hi.baidu.com/supersu30/blog/item/9b19e606062aba7e020881b3.html1. 新建MFC工程,在工程中新建两个文件夹,我命名为lib和cximage。lib存放cximage的lib文件,cximage存放.h和.原创 2009-12-29 09:46:00 · 940 阅读 · 0 评论 -
CxImage 显示图像
这一环节中涉及到的CDC类的成员函数:1. Virtual int GetClipBox(lpRect) const // 获取裁剪区域到Rect里,值得注意的是它是逻辑坐标系下的坐标,故需要使用CDC类的成员函数LPtoDP()将其转换为设备坐标下的坐标;这是因为下面用到的一个函数CreateCompatibleBitmap使用的是设备坐标系。2. Bool IsPrinting原创 2009-12-29 09:52:00 · 5607 阅读 · 1 评论 -
Cximage 提取像素数据
从网上搜索了一大推关于如何提取CXIMAGE库的像素的资料,结果没有找到令人满意的方法。没办法,只好老老实实从CXIMAGE类的接口里去寻找解决的办法。经过一番搜寻,终于找到了一根救命稻草:GetBits;于是,就有了接下来的一连串实现步骤:1. /* 为矩阵申请内存空间*/ int width = m_pImage->GetWidth(); int height = m_pIma原创 2009-12-29 09:50:00 · 5405 阅读 · 5 评论 -
视频播放控制
《学习openCV》中文版/* 小发现:所有的类都以大写字母开头,函数都以小写字母开头*/#include "cv.h"#include "highgui.h"int gSliderPosition = 0; // 滚动条位置,g代表全局变量int gNbFrames = 0; // 当前的帧数CvCapture* gCapture = NULL; // CvCap原创 2010-04-05 19:03:00 · 568 阅读 · 0 评论 -
Cximage 读取图像
分析:1. 从文件路径中获取图像文件的格式(字符串);2. 根据图像的格式打开图像; Stopwatch(0)Image = new image(filename, type); Stopwatch(1) ... UpdateStatusBar();// 在状态栏中显示某项处理所花费的时间,及图像的一些其它信息;1. 状态栏地址的获取 首先,状态栏是在主原创 2009-12-29 10:49:00 · 2197 阅读 · 0 评论 -
Gibbs 采样生成 合成图像 (simulated/synthetic image)
在图像分割中,消噪能力和误分率是判断一个算法好坏的重要指标。但是,对于任意给定的一幅自然图像,我们缺少一个用于比较的标准。也就是,我们不知道怎样的分割才是最合理的,因此也就无法确切地得到算法的误分率。在许多论文中,都通过对Gibbs分布采样来得到一幅合成图像(synthetic iamge),将这幅合成图像作为我们前面所指的“标准”。通过对合成图像添加各种噪声来衡量分割算法的消噪能力和误分率。下面原创 2010-01-04 16:39:00 · 2316 阅读 · 1 评论 -
齐次坐标系
一直对齐次坐标这个概念的理解不够彻底,只见大部分的书中说道“齐次坐标在仿射变换中非常的方便”,然后就没有了后文,今天在一个叫做“三百年重生”的博客上看到一篇关于透视投影变换的探讨的文章,其中有对齐次坐标有非常精辟的说明,特别是针对这样一句话进行了有力的证明:“齐次坐标表示是计算机图形学的重要手段之一,它既能够用来明确区分向量和点,同时也更易用于进行仿射(线性)几何变换。”—— F.S. H转载 2010-04-23 12:06:00 · 4189 阅读 · 4 评论 -
K均值
图像分割中,“k均值k类,并满足数据点到对应的均值点之间的距离之和最小(类内方差之和最小)。实现步骤如下:k1)将所有样本的均值作为第一类的聚类中心;3)判断是否选够2),否则退出。4.通过迭代选择最佳聚类中心来最小化类内方差。每次迭代时,取出一个数据,将它移动到一个适当的类别中,使得类内方差之和最小。直到迭代N(观测数据的个数)次之后,类内方差之后都不变为止才退出。原创 2010-01-18 17:11:00 · 1691 阅读 · 3 评论