
Matlab
文章平均质量分 61
AI吃大瓜
计算机视觉高级研究员,主要从事人工智能AI算法研究工作;熟悉多模态大模型,RAG技术,小模型开发如人脸检测,人脸识别,活体识别以及2D/3D Pose(人体姿态估计),行人重识别ReID等深度学习开发工作,具有丰富的项目开发工作经验。
展开
-
Matlab subs函数的用法
Matlab subs函数的用法 matlab中subs()是符号计算函数,详细用法可以在Matlab的Command Windows输入:help subs。subs()函数表示将符号表达式中的某些符号变量替换为指定的新的变量,常用调用方式为: R = subs(S, new) 利用new的值代替符号表达式S中的默认符号。 R = subs(S) 用由调用函数或Matlab工作空间中获取的值替代了在符号表达式S中的所有当前的变量。 R = subs(S, old, new)原创 2017-01-03 20:16:17 · 205084 阅读 · 10 评论 -
目标检测的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2转载 2017-05-12 08:33:57 · 3550 阅读 · 0 评论 -
基于空间相关的图像模板匹配及MATLAB实现
应用背景:机器的模式识别所要解决的问题,就是用机器代替人去认识图像和找出一幅图像中人们感兴趣的目标物。如何找到目标物即图像的区域呢,这里介绍在空间域使用模板在图像中寻找与模板匹配的区域。基本原理:在空间滤波中,相关是指滤波器模板移过图像并计算每个像素位置的灰度乘积之和的过程。基于相关的图像模板匹配过程类似于滤波过程,设图像f(x,y)的大小为M*N和模板子图像w(x,y)的大小为J*K,则f与w的转载 2017-05-06 20:51:46 · 7630 阅读 · 2 评论 -
基于匹配的目标识别
如果要在一幅图像中寻找已知物体,最常用且最简单的方法之一就是匹配。在目标识别的方法中,匹配属于基于决策理论方法的识别。匹配方法可以是最小距离分类器,相关匹配。本文code是基于最小距离分类器,基于相关匹配的与此类似。本文涉及到的知识点如下:1、目标识别.2、基于决策理论方法的识别3、匹配(最小距离分类器、相关匹配)4、空间相关(相关匹配涉及)匹配之前,需要先将图像转换为灰度图,函数为rgb2gra转载 2017-05-06 21:03:53 · 2358 阅读 · 0 评论 -
Matlab形态学图像处理:二值图像分割 标记连通区域和重心位置 删除连通区域
Matlab形态学图像处理:二值图像分割 标记连通区域和重心位置 删除连通区域 Matlab中可以使用graythresh(Img)函数设置二值化的阈值,再用im2bw转化为二值图像。在Matlab中,可以使用bwlabel()和bwlabeln()函数来标记二值图像的连通区域。需要注意的是:所谓的连通区域标记是指对二值图像中白色像色而言,即值为1的像素进行标记,而黑色像素看作是背景颜色。当然,Matlab中还有个regionprops()函数可以用于统计图像区域的属性,如面积大小,重心位置。原创 2017-05-19 19:46:21 · 42374 阅读 · 24 评论 -
C/C++ VS中调用matlab函数的方法
C/C++ VS中调用matlab函数的方法 Matlab在数值等矩阵运算中具有很大优势,并且Matlab提供了强大的工具箱可以使用,在C/C++开发中,我们可以在VS下调用matlab函数进行混合编程。下面主要介绍VS中调用matlab函数的环境配置方法。 本人的配置版本:VS2010 +Matlab 2010b 32位+系统WIN7 34位1.LINK : fatal error LNK1104: 无法打开文件“libeng.lib”原创 2017-07-01 16:20:01 · 33262 阅读 · 13 评论 -
Matlab图像剪切,超出图像区域指定颜色填充
Matlab图像剪切,超出图像区域指定颜色填充,Matlab自带图像剪切(裁剪)函数,即imcrop函数,但该函数对于超出图像边界区域是停止裁剪的,即对超出图像边界的部分不作裁剪处理。正常情况下,imcrop函数足够使用了。但有时,我们希望对于超出图像边界的区域,可以指定颜色填充,以便我们可以观察,裁剪情况。原创 2017-08-23 16:58:49 · 9585 阅读 · 0 评论 -
将数据归一化到任意区间范围的方法
将数据归一化到任意区间范围的方法 一般常见的数据归一化,是归一化到0~1,或者-1~1的区间,但在一些特殊场合下,我们需要根据实际情况归一化到其他任意区间,方法是: 将数据归一化到[a,b]区间范围的方法:(1)首先找到样本数据Y的最小值Min及最大值Max(2)计算系数为:k=(b-a)/(Max-Min)(3)得到归一化到[a,b]区间的数据:norY=a+k(Y-Min)Matla原创 2017-12-19 17:24:47 · 66688 阅读 · 3 评论