openGL的纹理解析库

基于改进的小波变换和模糊核聚类的纹理分割.pdf

基于纹理聚类的抠图算法.pdf

图像纹理分析讲解，纹理特征，特征值的应用

小波神经网络 实施 使用keras深度学习框架。 我使用本文进行本科研究。 数据集 本文使用的数据集不是开放的，因此我使用cat vs dog数据集来测试WaveletCNN的实现 要求 Python 3+ Tensorflow> = 1.12 凯拉斯2.2.4 Matplotlib 参考

HDRI转换为Cubemap 从全景图像生成6个立方体贴图纹理 依存关系 枕头 麻木 意象 HDR处理的FreeImage扩展 Python版本 在3.7、3.6上测试 这个怎么运作 使用来自立方体贴图的UV，将其转换为球形矢量以采样球形全景图。 如何进行采样（采样分辨率：64、64 / hdri分辨率：3072、1536） 如何使用它 python main.py 注意分辨率和python系统位。 （建议对> 1024使用64位Python）

局部二进制模式（LBP）是一种有效的纹理描述符，在纹理分类和面部识别中具有成功的应用。 常规LBP描述符有许多扩展。 扩展之一是主要局部二进制图案，其目的是提取纹理图像中的主要局部结构。 第二个扩展表示Gabor变换域（LGBP）中的LBP描述符。 第三个扩展是多分辨率LBP（MLBP）。 另一个扩展是用于视频纹理提取的动态LBP。 在本文中，我们将传统的本地二进制模式扩展到金字塔变换域（PLBP）。 通过级联分层空间金字塔的LBP信息，PLBP描述符考虑了纹理分辨率的变化。 PLBP描述符显示了其在纹理表示方面的有效性。 对LBP，MLBP，LGBP和PLBP进行了全面比较。 比较了无采样，部分采样和空间金字塔采样方法构建PLBP纹理描述符的性能。 讨论了金字塔生成方法和金字塔级别对基于PLBP的图像分类性能的影响。 与现有的多分辨率LBP描述符相比，PLBP具有令人满意的性能和较低的计算成本。

行业分类-物流装置-结合条码与短信查询的纹理防伪结构、物流系统及方法.zip

Texture Analysis.pdf 纹理分析的一个综述

灰度共生矩阵算法实现，主要实现纹理特征的提取算法，可以直接使用也可以添加到你的框架模块中。完全可以运行，请放心质量问题。