搜索资源列表
matlab进行图像分割-双峰法
- 双峰法的原理及其简单：它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。 从分割的效果来看，当前后景的对比较为强烈时，分割效果较好；否则基本无效。
matlab图像处理软件
- 可以直接使用，系统完成的基本功能大致如下： 1.能对图像文件（bmp、 jpg、 tiff、 gif等）进行打开、保存、另存、打印、退出等功能操作； 2.数字图像的统计信息功能：包括直方图的统计及绘制、区域图的面积、周长的统计、线条图中的距离测量等； 3.数字图像的增强处理功能： （1）空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等） （2）频域
SegmentationforImagesofVCH-F1BasednmprovedWatersed
- 针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点，提出一种能够有效消除局部极小值和噪声干扰的自动分割方法。首先比较彩色分量梯度图，选择分量图像的梯度信息，达到有效提取图像边缘信息的目的；然后提出基于多阈值分割的方法消除无效梯度信息；最后介绍了算法的步骤及结果。实验结果证明，通过该方法处理的梯度图像再进行分水岭算法处理，即使不进行区域合并也能达到很好的效果。-Watershed algorithm for over-segme
MATLAB_code_of_image_processing
- 该gui函数基本上包括图像处理里面的最基本处理，相当于一个小型photoshop。比如读取文件，几何变换中的垂直镜像，平移，旋转，缩放；正交变换的DFT，FFT，DCT，DST，DHT，DWashT；灰度处理中的反色，直方图均衡，全局线性变换，分段线性变换，指数非线性变换，对数非线性变换；图像增强里面的加噪声，平滑，锐化，伪彩色增强；图像分割里面的灰度阈值法，Robert，Laplace，sobel，prewitt，canny算子边缘检
MATLABimageprocess2
- 医学图像处理，实现图像分割，一基于区域生长法；二基于最佳阈值分割-Medical image processing, and image segmentation, one based on region growing method two thresholding based on the best
MedicalImageSegmentation
- 医学图像分割的实验报告(包含源程序)，主要内容包括：不同算子（Sobel、Prewitt、Roberts、Laplacian）的边缘提取效果分析；阈值分割；以及watershed方法的分割讨论。-The implementation and discussion for fundamental medical image segmentation algorithms, including edge extracting algorit
yuzhifenge
- 全局阈值分割：迭代法、Otsu法；局部阈值分割-Global Thresholding: iterative method, Otsu method local threshold segmentation
matlab-3
- 1、使用MatLab 软件进行图像的分割； 2、能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能； 3、能够掌握分割条件(阈值等)的选择； 4、完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的解释。 -1, the use of MatLab software for image segmentation 2, to self-evaluation of all the major opera
eyesegmentation
- 程序可实现人眼虹膜、眼睑及睫毛分割，主要功能有：（1）虹膜内外圆的霍夫圆检测；（2）眼睑检测以及参数方程的求解；（3）睫毛的最优化阈值处理。 vc文件夹下包含以下四个内容：（1）最后编译生成的.exe文件；（2）包含主要算法的.h头文件；（3）两幅原始图像（yangjing1.bmp,yanjing2.bmp）；（4）两幅经过MATLAB进行自适应直方图均衡化的图像（yanjing11.bmp,yanjing22.bmp）-Prog
OSTU
- Otsu-最大类间方差matlab代码 通过求模板和子图像的互相关函数的最大值来确定目标的中心位置；再在目标的感兴趣区域内（ROI）进行基于最大类间方差（OSTU）算法的自适应阈值分割，以检出并统计缺陷；进而判别其合格与否。 -the Ostu method is much faster and more efficient than the fuzzy cluster method.
Matlab
- matlab的图像分割程序：根据图像中物体的灰度分布情况，选取一个近似阈值作为初始阈值，一个较好的方法就是将图像的灰度均值作为初始阈值；然后通过分割图像和修改阈值的迭代过程获得认可的最佳阈值。-Matlab image segmentation: distribution of images of objects in gray, select an approximate threshold value as the initial
shuzituxiangchuli
- 用matlab编程工具，编写具有操作界面的应用程序，通过菜单、对话框，选项框等界面控制，对算法进行演示。需要在应用系统中实现的算法及功能包括： 1、图像增强算法 （1）灰度线形变换：亮度及对比度可以调节（通过控制参数的改变，能够实时预览变化结果）； （2）直方图均衡：可在界面上对比均衡前后的效果。 2、图像变换算法 （3）对一幅彩色图像进行DCT变换和反变换，对比结果和原图； （4）仅保留左上角16X16的DCT
LungSeg
- 肺部CT图片分割提取出肺实质：迭代法获取灰度阈值；二值化图像；分区使用纯M语言编写，各个环节都是自己编程解决，没有用Matlab内置的函数，方便改成其他语言代码。-Lung CT image segmentation to extract the lung parenchyma: iterative methods for grayscale threshold binary image partition using pur
testcodec1jerz
- 编写matlab的gui函数进行图像处理的代码，基本上包括图像处理里面的最基本处理，比如读取文件，几何变换中的垂直镜像，平移，旋转，缩放；正交变换的DFT，FFT，temp ，DWashT；灰度处理中的反色，直方图均衡，全局线性变换，分段线性变换，指数非线性变换，对数非线性变换；图像增强里面的加噪声，temp1方法，锐化，伪彩色增强；图像分割里面的灰度阈值法，调试可以运行的。 -Write the gui matlab image
otsu
- 利用otsu算法实现图片的自动多阈值分割；用matlab编写的自动多阈值分割程序，分割图像之前采用自动平滑图像-Using otsu algorithm to realize multi- threshold segmentation of pictures
1
- 利用基于直方图的自适应阈值方法实现分割前景与背景a）设定三个不同阈值，直接观察分割结果； b) 利用统计直方图，得到一个自适应的阈值.(The segmentation foreground and background a are realized by using the histogram based adaptive threshold method, and three different thresholds
w1_main
- 实现图像的前景与背景分割，设定三个不同阈值，直接观察分割结果或者利用统计直方图，得到一个自适应的阈值，再观察实验结果；(Segmentation of foreground and background of image, threshold segmentation method)
entropy_fuzzy_threshold
- 算法步骤： （1） 计算图像直方图，灰度级为Ns，图像的平均灰度值为Tc； （2） 分别计算第一个灰度级和其余灰度级的信息熵并求和，前两个灰度级和其余灰度级的信息熵并求和，以此类推计算Ns个和； （3） 找到H在Tc附近最大值的位置Tenf即为阈值； （4） 图像中大于阈值的像素置1，其余置0而实现二值分割。 算法的核心：信息熵越大越有不确定性，分割出的图片越好。(Algorithm steps: (1) the his
matlab.thresholding-master
- 在计算机视觉中，图像分割是将图像分成多个片段的过程。这使我们能够通过以比原始图像更简单的表示方式来更好地分析图像。一种用于分割图像的方法是阈值分割；也就是说，将强度值低于阈值的所有像素设置为背景值，而将高于阈值的其他像素设置为前景值。最简单的阈值处理形式是对所有像素使用全局阈值，而自适应阈值处理根据像素及其周围环境动态改变阈值。典型地，阈值处理从灰度图像开始，并输出二进制图像以清晰地描绘图像中的片段。在本实验中，我们开发了一种自适应阈值
基于阈值分割的车牌定位识别MatLab实现
- 本设计基于阈值分割的方法实现车牌号码的定位与识别。利用Matlab仿真平台给出仿真例程及结果。(This design realizes the location and recognition of license plate number based on threshold segmentation method. The simulation routine and results are given by using the