Striker_V的专栏

转载自：http://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html算法的大致内容如下：Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束. 1. Meanshift推导给定d维空间Rd的n个样本点

第六章 图像分割实例：使用K-Means算法分割灰度图像和彩色图像clear;clc;%首先使用K-Means算法分割灰度图像%设定聚类中心个数K1 = 2;I = imread('shape.jpg');figure,imshow(I),title('原始图像');%获取图像规模[m1, n1] = size(I);%将图像拉成一维列向量ReGray =

第六章 图像分割实例：使用形态学分水岭算法分割灰度图像clc;clear;%使用距离变换的分水岭分割I = imread('shape.jpg');%图像二值化f = im2bw(I, graythresh(I));figure,subplot(2,3,1),imshow(I),title('原图像');subplot(2,3,2),imshow(f),title(

第六章 图像分割实例：使用区域生长算法实现图像分割clear;clc;close all;%读入图像I = imread('shape.jpg');I = double(I);%设定阈值，用来衡量像素点灰度之间的相似性T = 10;%用户选择种子点生成方式[sel,ok]=listdlg('liststring',{'按照灰度级设定种子','选点设定种子'},

第六章 图像分割实例：灰度图像的阈值分割clc;clear;%读入图像A = imread('shape.jpg');figure(1),subplot(2,2,1),imshow(A),title('原图像');%获取灰度直方图，根据直方图人工选取阈值h = imhist(A);%h = imhist(A) / numel(A);h1 = h(1:10:256

第五章 频域滤波代码参考自：[置顶] [数字图像处理]频域滤波(1)--基础与低通滤波器[数字图像处理]频域滤波(2)--高通滤波器，带阻滤波器与陷波滤波器另外，本章代码对上述代码做出了一些修改。目录：5.1 低通频率滤波器    5.1.1 理想低通滤波器    5.1.2 巴特沃斯低通滤波器    5.1.3 高斯低通滤波器5.2

第四章 空域滤波目录：4.1 图像平滑    4.1.1 线性滤波    4.1.2 非线性滤波4.2 图像锐化4.1 图像平滑4.1.1 线性滤波示例：均值滤波去除噪声获取噪声图像：clc;clear; I=imread('flower_gray.jpg');J=imnoise(I,'salt & pepper',0

第三章 图像的灰度映射和直方图均衡化目录：3.1 图像的灰度映射    3.1.1 imadjust函数    3.1.2 自定义灰度映射函数3.2 直方图均衡化    3.2.1 imhist函数/histeq函数    3.2.2 自定义函数实现直方图均衡化3.1 图像的灰度映射3.1.1 imadjust函数示例：clc

第二章 图像的加法运算、减法运算和逻辑运算目录：2.1 图像的加法运算2.2 图像的减法运算2.3 图像的逻辑运算2.1 图像的加法运算示例：灰度图的加法运算抑制加性噪声clc;clear; I=imread('flower_gray.jpg');               %读取图片[LH]=size(I);

最近搜集了一些数字图像处理的基础方法的Matlab代码，给大家整理一下，给Matlab数字图像处理的初学者一点参考。如发现侵权，请联系博主删除，谢谢。第一章 Matlab基础本章目录：1.1 Matlab简介1.2 简单图像操作    1.2.1 读入图像    1.2.2 显示图像    1.2.3 查看图像像素值1.3 图像的仿射变换1.4 im

实例：彩色图像的锐化clc;clear;%读取经典图像lena.jpgA = imread('lena.jpg');figure,imshow(A),title('原图像');%提取三个通道的像素值R_A = A(:,:,1);G_A = A(:,:,2);B_A = A(:,:,3);figuresubplot(1,3,1),imshow(R_A),title('R通

实例：二维几何图形的描绘-圆形，正方形，直角三角形clc;clear;%定义图像规模并生成全1白色图像A1 = ones(800, 800);%以点（101，101）为起点，画边长为200的正方形for i = 1:200 for j = 1:200 x = i + 100; y = j + 100; A1(x, y) =

文章转载自：http://blog.youkuaiyun.com/robberm/article/details/8460392【汇总】彩色图像分割 Menu SkySeraph Oct.1st 2011  HQU Email：zgzhaobo@gmail.com    QQ：452728574 Latest Modified Date：Oct.1st 2011 HQU

转载自：http://blog.youkuaiyun.com/zouxy09/article/details/8532111   Graph cuts是一种十分有用和流行的能量优化算法，在计算机视觉领域普遍应用于前背景分割（Image segmentation）、立体视觉（stereo vision）、抠图（Image matting）等。       此类方法把图像分割问题与图的最小

第六章 图像分割实例：使用边缘检测算子实现图像分割clc;clear;%读入图像A1 = imread('shape.jpg');figure,subplot(2,2,1),imshow(A1),title('原图像');%使用Sobel算子进行边缘检测%‘both’指定首选梯度方向为水平和竖直方向%‘horizontal’指定首选梯度方向为水平方向%‘ver