跟踪图像中的四边形轮廓，并且标记出来。跟踪图像中的四边形轮廓，并且标记出来。

传统生产线多以人工方式对工业零件进行分类，检测速度和精度亟待提高，本文基于LabVIEW平台，建立了工业零件的分类识别系统，通过对图像进行采集和预处理，根据含目标的图像信息，采用canny边缘算子识别其中的图形轮廓并进行特征匹配，识别期望的目标是否存在，进而完成工业零件的分类与定位。实验证明，分类识别的平均耗时为 0.33 s，符合快速匹配的要求，能有效提高生产效率。

DOS界面，找图像中最大的轮廓、画外接矩形，计算矩形度

矢量建筑白膜shpfile文件，含层数，做三维白膜的不二选择，包含北京、成都、广州、贵阳、杭州、合肥、上海、南京、济南、昆明、长沙、重庆、郑州等

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融 合SAR目标轮廓和阴影轮廓的目标识别算法。首先提出了一种基于去控制标记符的SAR图像 分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二 维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别。基 于MSTAR的实验结果验证了本算法的有效性。实验结果证明:目标轮廓和阴影轮廓的结合,除 反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一

交互界面达到的效果是，通过点击画面上的按钮来控制是否要显示相应物体的检测结果，即是否把物体框出。 这里放置了两个版本，物体检测代码是相同的，不同的是交互性的设计，2.0调用的是现成的button函数，使用起来更方便些。

基于VB图像轮廓检测，速度很快，值得参考

为提高煤矿井下低照度、大噪声图像的可观测性，提出了一种基于非下采样轮廓波变换的矿井图像增强算法，该方法克服了常规图像增强算法无法兼顾对比度提高与噪声抑制的不足。根据Retinex理论，推导出了低照度含噪声图像的Retinex增强框架，该框架解除了噪声对估计光照图的干扰，并且分离实现了图像的对比度提高和噪声抑制。依据该图像增强框架，首先利用非下采样轮廓波变换将输入图像分解为低频子带系数和高频方向子带系数，解除估计光照图与抑制噪声的耦合;然后在轮廓波变换域，利用R，G，B三个颜色通道的低频子带系数，求出3个低频子带系数的亮通道图像，但该亮通道图像存在细节突变和过低灰度值，不符合光照图缓慢变化的特征，对亮通道图像做进一步的Gamma校正和均值滤波，获得灰度值提高了的平滑光照图估计值;接着在轮廓波变换域，根据阈值函数收缩高频方向子带系数实现噪声抑制;最后，为突显某一频带方向的细节信息和提高整体对比度，将收缩的高频方向子带系数乘以相应的增益完成特定细节加强，再利用细节加强的高频子带系数、低频子带系数和光照图估计值重构出整体对比度提高的增强图像。数值实验表明，该图像增强算法能够有效地实现矿井图像的

椭圆数据 V1.001 构造椭圆的数据点，表示具有任何协方差和平均值的高斯分布的轮廓曲线。 例子 在这个例子中，函数 ellipsedata 构造了三个 100 个点的椭圆，每个椭圆代表对应于 1、2 和 3 标准差的轮廓曲线，高斯分布的协方差矩阵由 [4,1;1,1] 给定，平均值给定通过 [3,3]。 elpt=ellipsedata([4,1;1,1],[3,3],100,[1,2,3]); 结果可以绘制如下 情节(elpt(:,1:2:end),elpt(:,2:2:end)); 输入参数 坐标： 二元高斯分布的协方差矩阵。 必须为2x2，对称且正定大小。 如果格式不正确，则会触发错误。 如果矩阵不对称，则通过添加其转置并除以 2 将其对称化。 中央： 二元高斯分布的中心（平均值）。 如果格式不正确，则设置为 [0,0]。 数点： 每个椭圆将组成的点数。 必须是正整数

基于VB图像轮廓检测，速度很快，值得参考