-
opencv 图像拼接
图像的拼接问题是基于图像绘制（Image base Rendering，IBR）领域研究的一个重要课题，也是虚拟环境重建的主要技术手段。它要解决的问题是如何把小视域的照片拼接成一张大视域的图像，以满足人们观察、浏览大范围场景的需要。场景图像的拼接是伴随着虚拟现实（Virtual Reality，VR）技术的飞速发展和虚拟环境实时绘制的需求应允而生的。由于每一幅图像都反映了客观事物或某个场景在空间、时间上的局部信息，采用图像拼接技术可以提供一种有效且完整的场景表示方法，使人们能更加客观、形象地认识事物和理解真实世界。因此，图像拼接技术是摄影测量学、计算机图形学、图像处理和计算机视觉等学科的重要研究内容，并得到广泛的应用。
- 2022-02-19 23:58:38下载
- 积分：1
-
创合高拍仪图像编程示例
应用背景作为经营 高速扫描仪 高拍仪 高扫仪 工程扫描仪 手持扫描仪 人脸识别考勤机 人脸识别 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
- 2022-03-26 04:08:30下载
- 积分：1
-
随意屏幕画笔
一个VC编写的屏幕画笔，用vc6和vc2008都可以编译通过，供大家学习参考，能力有限，有不好的地方希望大家指正，共同进步，程序就是用来大家分享，可随意在屏幕上绘图
- 2022-04-21 10:09:03下载
- 积分：1
-
收藏的几篇关于图像拼接的学位论文
收藏的几篇关于图像拼接的学位论文，讲的比较明白的那种，思路很清晰，对做全景图像拼接有较好的参考价值，不用上网花钱去下论文了。
- 2022-02-07 21:43:14下载
- 积分：1
-
SVM classification
在
- 2022-03-04 17:29:19下载
- 积分：1
-
基于自聚焦透镜焦点测量和空间频率图像融合
这段代码是在 matlab 中实现的。输入两个的多聚焦图像和设置的步骤变量设置为 1、 2 或 3 和阈值 T，块大小。输出是一个焦点无处不在的复合图像。
- 2022-08-17 09:55:06下载
- 积分：1
-
基于c++的人脸识别
基于模板匹配操作比较简单，实现效果也是比较好的。该方法的主要思路是待检测图像与先前做好的模板图像之间提取的特征向量逐个进行比较，计算它们之间的相似度，然后将图像归于相应的类。本次实验使用的模板是trainImgs中的train20.dat文件先建立模板，然后 在计算待检测图像与模板之间的欧氏距离，与设定的阈值相比较，从而检测出该图像的人脸区域。#include "stdafx.h"#include "facedetect.h"#include "facedetectDoc.h"#include "facedetectView.h"#ifdef _DEBUG#define new DEBUG_NEW#undef THIS_FILEstatic char THIS_FILE[] = __FILE__;pDC->TextOut(600,10,"操作说明：");pDC->TextOut(600,40,"步骤一：载入训练库 *.dat 生成模板");pDC->TextOut(630,60,"（训练库在程序关闭前只需载入一次）");pDC->TextOut(600,80,"步骤二：载入 *.raw 或 *.txt/*.lst");pDC->TextOut(630,100,"如果载入的是 *.txt/*.lst 列表");pDC->TextOut(640,120,"按 Page Down/Up 翻页");pDC->TextOut(650,140,"（需要修改 *.txt/*.lst 里边的存放地址）");pDC->TextOut(650,160,"（注意存放地址不得出现中文或符号
- 2022-03-05 21:05:34下载
- 积分：1
-
立体影像匹配
此函数执行的计算代价expensive的步的匹配两个整流及没有被歪曲的立体图像。输出是稠密的视差图。如果摄像机参数已知的这允许三三维重建。两个图形用户界面显示的算法。
- 2023-02-02 10:55:04下载
- 积分：1
-
百度云上传
资源描述使用自己的百度云账号将手机上的图片上传到百度云上，1、可以获取百度云的账号信息。2、在这个账号上上传图片。3、可以在PC端验证存在该图片。
- 2022-06-16 02:38:33下载
- 积分：1
-
粒子群算法工具箱
应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。
该工具箱的使用主要分为几个步骤：
1) 在Matlab中设置工具箱的路径；
2) 定义待优化函数；
3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。
其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。
- 2022-03-19 23:26:19下载
- 积分：1
