为了提高信息嵌入率和实现完全可逆信息隐藏技术，结合医学图像数据量大和同色像素连续性高的特点，提出了一种基于加密域的可逆信息隐藏算法。首先预处理图像并构造头部信息（head），即通过边缘检测算法检测出边缘，使嵌入率达到最大，用行程编码（RLC）对边界部分作无损压缩留出空间存放数据，使信息隐藏算法完全可逆；然后使用混沌算法加密图像；最后通过替换最低有效位的方法将水印信息嵌入到加密图像中。通过理论分析和仿真实验表明，该算法具有较高的信息嵌入容量，并且有较好的不可见性，从相关系数、熵值、峰值信噪比等方面分析，都达到了较高水平。
2021-12-31 15:26:46
1.29MB
1
完整代码，可直接运行
2021-12-28 18:04:14
927KB
完整代码，可直接运行
2021-12-28 18:04:13
543KB
针对自适应蚁群优化(AACO)算法在图像边缘提取中经常出现效率低、易陷入局部极值等问题，提出一种结合生物Predator-Prey 行为的自适应蚁群图像边缘检测算法。该算法将Predator-Prey 行为与AACO 算法相结合，将蚁群分成Predator 种群和Prey 种群，初始阶段利用AACO 算法进行搜索两种群，一定迭代次数后，两种群进入排斥阶段；通过自动阈值法提取图像边缘。实验结果表明，与AACO 算法和Canny 算法相比，在精确度方面，该算法提取的图像边缘明显优于前两种算法提取的边缘；同时保持了AACO 算法收敛速度快的特点，并克服了其易陷入局部极值等缺点；因此，该算法能够高效准确地检测出图像边缘。
2021-12-27 22:17:06
2.55MB
1
实现思路：
1，将传进来的图片矩阵用算子进行卷积求和（卷积和取绝对值）
2，用新的矩阵（与原图一样大小）去接收每次的卷积和的值
3，卷积图片所有的像素点后，把新的矩阵数据类型转化为uint8
注意：
必须对求得的卷积和的值求绝对值；矩阵数据类型进行转化。
完整代码：
import cv2
import numpy as np
# robert 算子[[-1,-1],[1,1]]
def robert_suanzi(img):
r, c = img.shape
r_sunnzi = [[-1,-1],[1,1]]
for x in range(r):
for
2021-12-26 14:57:04
116KB
1
图像的边缘是图像最基本也是最重要 的特征之一。 边缘检测一直是计算机视觉和图像处理领域 的经典研究课题之一 。 图像分析和理解的第一步常常是边缘检测 。
2021-12-23 22:29:39
218KB
1