【图像处理】基于遗传算法优化Gabor滤波器提取织物表面特征值进行织物瑕疵识别和处理matlab源码.zip
2022-01-17 16:21:23 1.63MB 简介
1
瑕疵检测】基于Otsu实现织物疵点检测matlab源码含 GUI.md
2022-01-03 13:46:47 7KB 算法 源码
1
【图像处理】gabor提取织物表面特征值进行织物瑕疵识别和处理.zip
2021-12-26 13:48:42 2.26MB 简介
1
使用说明: Inpaint打开需要处理的图片,用Selec菜单中的多边形工具选中你需要去除的水印或者你不想要的图形(如下图),然后点击那个箭头(run)等待处理完成就ok了,最后是保存图片——–>就是这么简单! Teorex Inpaint去水印软件可以任意去除照片、图片上的物体,水印等你不想要的东西。而且是绿色的,使用超级简单。 Inpaint和Teorex Inpaint虽然都是小巧实用的水印去除工具,但处理图片过程略有不同.Teorex Inpaint是使用套索工具或矩形选择要擦拭的瑕疵或水印区域,而Inpaint则是选择涂鸦笔来涂抹并处理水印,涂抹笔的大小可自行进行调整,我用 Teorex Inpaint处理的Aneesoft 3D Flash Gallery 顶部图片运行时显示不全,而用Inpaint重新处理后则显示正常.两款工具各有特色,作为互补是不错的选择.新版本新增引导线功能,使擦拭更加精确。 Inpaint其他的用处: 1、修复破损的老照片。 2、删除水印。 3、删除图片中的电线。 4、去除图片中的人物。 5、美化照片中人物的脸。 6、删除印在图片上的相机日期。 7、去除皱纹和皮肤瑕疵。 8、删除旅行时拍摄照片中的游客。
2021-12-04 22:08:34 4.95MB 去水印
1
C# 汉诺塔 亲测没bug版 说实话这是网上那个有瑕疵的例子改的
2021-11-25 18:46:46 64KB C# 汉诺塔 亲测没bug版
1
瑕疵检测代码-matlab 在使用这些代码之前,请阅读此“ readMe.txt”文件。 这些代码仅供非商业用途共享。 出于商业目的,请与作者联系:。 这是MATLAB 2010中WTMF策略的实现示例,如果使用这些代码,请引用以下论文 X. Zhou,Y。Wang,Q。Zhu,J。Mao,C。Xiao,X。Lu,H。Zhang,“使用视觉注意模型和小波变换的玻璃瓶底部表面缺陷检测框架,” IEEE Transactions on工业信息学。 审查中,第**页,2019年。 共有三个文件夹,分别是“ testImages”,“ WTMFmatlab”和“ result”,用于保存测试图像,建议的WTMF策略代码和缺陷检测结果。 对于MATLAB代码,存在三个.m文件:example_ATdetWaveMF.m,funATdetWaveMF.m,funSecondDerGauTradition.m,其中example_ATdetWaveMF.m是主文件,请运行此文件。 对于此example_ATdetWaveMF.m文件,有10个参数,如下所示: baseFun0\n='coif'; ba
2021-11-24 18:09:31 462KB 系统开源
1
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
2021-11-24 17:58:02 206KB matlab
1
PCB瑕疵图象实时视觉检测方法的研究
2021-11-19 13:01:09 275KB pcb 瑕疵 图象 实时
1
瑕疵检测代码-matlab 使用可变自动编码器-VAE进行异常检测 在化学材料,衣物和食品材料等的运输检查中,有必要检测正常产品中的缺陷和杂质。 在以下链接中,我共享了仅使用图像进行训练的,使用CAE来检测和定位异常的代码。 在此演示中,您可以学习如何将变式自动编码器(VAE)应用于此任务而不是CAE。 VAE使用潜在空间上的概率分布,并从该分布中采样以生成新​​数据。 要求 MATLAB版本应为R2019b及更高版本 用法 EN_VAE_Anomalydetection.mlx ・显示如何用英语训练VAE模型的示例 JP_VAE_Anomalydetection.mlx ・显示如何用日语训练VAE模型的示例 参考 自动编码变数贝叶斯[2013] Diederik P Kingma,Max Welling 版权所有2019-2020 The MathWorks,Inc.
2021-11-12 13:19:19 16.78MB 系统开源
1
这是一个本人在Windows下基于darknet+qt+opencv搭建的一个深度学习-目标检测快速训练预测的平台,可以利用该平台快速进行您自己数据集的标注/训练/预测。详细使用过程请访问博客:https://blog.csdn.net/KayChanGEEK/article/details/85849503
1