快速近似反走样是一种后处理式反走样技术,其效果好、效率高,但由于是根据亮度值检测边缘,导致模型纹理贴图上的条纹和高光部分也会被检测出来,从而造成不必要的反走样.针对这一问题,该算法提出了一种改进的反走样方法:根据物理和阴影信息检测出模型与阴影边缘,再以边缘周围状况计算确定混合朝向,最后结合亚像素覆盖率进行反走样运算.实验表明,该算法在保留了原快速近似反走样效率的同时,有效地消除了不必要的反走样.

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

使用QT做界面，配置OpenCV环境。可以实现选择图像，图像灰度化，图像增强，滤波降噪（高斯，均值，中值），二值化（阈值可调），Canny算子（阈值可调），以及其它几种传统的边缘检测算子。下载后需将文件修改为英文（QT不能识别中文），更改图片路径

matlab canny算子边界检测函数代码Penn Robotics：视觉智能和机器学习 我的宾夕法尼亚大学 EdX 课程作业。 剩余的代码将很快上传。 课程在这里是免费的： “在本课程中，这是机器人微硕士课程的一部分，您将了解机器学习如何在支持分类、回归和聚类的数据中提取具有统计意义的模式。然后通过一起学习计算机视觉和机器学习，您将能够建立识别可以从数据中学习并适应新环境的算法。完成本课程后，您将能够为机器人编程视觉功能，例如机器人定位以及使用机器学习的对象识别。本课程中的项目将使用 MATLAB 和OpenCV 并将包括视频稳定、3D 对象识别、对象分类器编码、构建感知器以及使用标准 CNN 框架之一设计卷积神经网络 (CNN) 的真实示例。” 第 1 周（完成） 相机几何 颜色感应 第 2 周（完成） 傅立叶变换 傅立叶变换 图像卷积和边缘检测 一维和二维信号（图像）的卷积算子 边缘检测的 Canny 算法。 第 3 周 图像卷积和边缘检测第 2 部分 图像金字塔 第 4 周 特征检测：过滤器、SIFT、HOG 第 5 周 几何变换 仿射 保护的 兰萨克 第 6 周 光流估计

其中包含：Robers，Sobel，Prewitt，Laplacain，Canny算子，MATLAB实现

我们首先应该了解的问题是：“为什么要费尽心思去做边缘检测？”除了它的效果很酷外，为什么边缘检测还是一种实用的技术？为了更好地解答这个问题，请仔细思考并对比下面的风车图片和它的“仅含边缘的图”：可以看到，左边的原始图像有着各种各样的色彩、阴影，而右边的“仅含边缘的图”是黑白的。如果有人问，哪一张图片需要更多的存储空间，你肯定会告诉他原始图像会占用更多空间。这就是边缘检测的意义：通过对图片进行边缘检测，丢弃大多数的细节，从而得到“更轻量化”的图片。因此，在无须保存图像的所有复杂细节，而“只关心图像的整体形状”的情况下，边缘检测会非常有用。如何进行边缘检测——数学

本文详细介绍了zernike矩边缘检测的原理，并提出一种自动搜索阈值的方法，简单可行。希望对大家有帮助。

数学形态学在图像处理中的应用，方法腐蚀，膨胀。主要应用是边缘检测

数字图像处理实验报告-图像边缘检测和特征提取.doc

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）频域的各种增强方法(实现其中任意两种)：频域平滑、频域锐化、低通滤波、同态滤波等； （3）色彩增强：伪彩色增强、真彩色增强等。 4、图像分割： （1）点、线（hough变换检测直线）、及边缘检测（梯度算子、拉普拉斯算子等）； （2）区域分割包括阈值分割、区域生长、分裂合并等； 5、数字图像的变换(实现其中任意两种)：普通傅立叶变换(ft)与逆变换（ift）、快速傅立叶变换（fft）与逆变换(ifft)、离散余弦变换（DCT），小波变换等。 6、二值图像处理：膨胀、腐蚀、开运算与闭运算。