概述 Triangler是使用生成低多边形图像的工具。 目录 样本 执照 安装 下载Windows Binary 您可以下载Windows二进制文件。 请注意,Windows二进制文件比从源代码运行的速度慢。 下载页面 注意:二进制发行版通常较旧,需要重建。 有关用法,请参见#usage部分。 从源头运行 您需要Python 3.6或更高版本。 我强烈建议使用Anaconda虚拟环境。 您可以在此处下载Anaconda 。 请按照下面的手册使用Anaconda为Triangler创建python虚拟环境。 $ conda create -n triangler python=3.8 $ activate triangler (triangler)$ git clone https://github.com/tdh8316/triangler.git (triangler)
2022-12-21 23:08:11 12.73MB python numpy image-processing triangulation
1
实现图片装载,正向逆向给定角度旋转、归位。
2022-12-20 17:14:21 3.34MB Image processing
1
这是关于图像处理的电子书,高清,最新版本,经典著作,英文版
2022-12-18 20:58:08 16.55MB Image Proces
1
图像处理中的直方图均衡化和同态滤波matlab自写函数实现,与库函数比对相差不多。
2022-12-08 13:29:47 1KB image processing histeq retinex
1
图像js JavaScript中的高级图像处理和操作。 image-js是一个功能齐全的库,可以处理简单的图像处理(色彩校正,灰度图像,蒙版,调整大小,旋转等),以及对科学图像(感兴趣区域(ROI),赫尔曲线)进行高级处理,最小边界矩形(MBR),粒径和方向,细胞成像等)。 由维护 安装 $ npm install image-js 特征 支持的图像格式 image-js可以加载以下格式: PNG(8或16位,彩色或灰度,有或没有alpha,调色板1-8位) JPEG格式 TIFF(8或16位,彩色或灰度,支持LZW压缩) image-js可以保存以下格式: PNG(8或16位) JPEG格式 BMP(黑白) 本机支持各种位深度和图像种类 image-js被开发用于科学应用,其中我们经常不得不处理每个通道具有8位以上的图像。 与许多其他库不同,如果对16位灰度PNG进行解
2022-12-04 18:42:17 27.16MB nodejs javascript image image-processing
1
此仓库是AWESOME摄影测量项目,应用程序,工具和资源的集合。 标有的项目 是开源软件,并链接到源代码。 标有的项目 是非免费的,可能需要花钱才能使用。 随意贡献/加星/分叉/拉取请求。 任何建议和意见是值得欢迎的。 目录 科学会议 相关真棒列表 执照 致谢 定义 根据K. Schindler和W.Förstner的摄影测量学定义: “摄影测量学是从图像中获取有关物理环境信息的科学技术,重点是在测量,制图和高精度计量学中的应用。摄影测量学的目的是为这些工程任务提供自动化或半自动化的程序,着重于指定的准确性,可靠性和信息完整性。” 资料来源:K. Schindler和W.Förstner的摄影测量(2020)。 于:《计算机视觉:参考指南》,第二版。 摄影测量软件 Agisoft变形 麦克麦克 MVE OpenDroneMap Pix4D 现实捕捉 确保
1
冈萨雷斯 习题讲解 第四版, 英文版需要自己翻译, 数字图像处理
2022-12-01 14:24:44 62.98MB 图像处理 习题答案
1
使用K均值的体外LSCI图像中的血管定位 该存储库具有实现会议文章中描述的方法的功能:使用在“ 图像在体外的LSCI图像中进行血管定位” ,这是项目“血管的可视化和定位”的一部分而开发的。 抽象的 激光散斑对比度成像中血管的可视化和定位是生物医学应用(例如皮肤病学,神经科学和眼科学)中的一项重要任务,因为它可以确定血管的存在并评估诸如血流的性质。 这项工作建立了可视化方法的综述,用于对比度计算和激光散斑对比度成像的改进。 另外,通过聚类以自动方式提出了血管的定位。 结果表明,血管的定位很大程度上取决于对比度的计算和改善。 如果血管和生物组织区域彼此分开得很好,并且噪声水平较低,则K均值聚类是在激光斑点对比成像中定位血管的强大工具。 内容 组织 没有声明其他内容目录。 贡献者 算法,应用程序和工具的代码由以下人员贡献: F. Lopez-Tiro,H.Peregrina-Barreto,J
2022-11-29 22:48:27 5KB matlab image-processing image-segmentation lsi
1
数字图像处理,冈萨雷斯,文字版,英文版,第三版,解答,国内外经典教材
2022-11-28 11:38:33 78KB 数字图像处理 第三版 答案
1
人脸识别 这个仓库是使用TensorFlow 2.0框架,并基于 论文上完成的,其中主要分为四大块:人脸检测、人脸矫正、提取特征和特征比对。各个模块的大小和在我的 17 款 macbook-pro 的 CPU 上跑耗时如下: 人脸检测:使用的是 mtcnn 网络,模型大小约 1.9MB,耗时约 30ms; 人脸矫正:OpenCV 的仿射变换,耗时约 0.83ms; 提取特征:使用 MobileFaceNet 和 IResNet 网络,耗时约30ms; 特征比对:使用曼哈顿距离,单次搜索和完成比对耗时约 0.011 ms; 注册人脸 注册人脸的方式有两种,分别是: 打开相机注册: $ python register_face.py -person Sam -camera 按 s 键保存图片,需要在不同距离和角度拍摄 10 张图片或者按 q 退出。 导入人脸图片: 保证文件的名字与注册人名相
1