该PPT介绍了图像分割的一些基本方法, 涉及灰度阈值法(原理, 阈值选取), 边缘检测法(梯度算子, 拉普拉斯算子), 区域分割法(区域生长, 分裂合并, 水域分割), 以及Hough变换.
2021-12-05 12:06:16
2.92MB
1
课设题目是用matlab识别车牌号，做了好几天。先把成果发上来。过几天答完辩再写博客（虽然没人看），也算是给自己这一阵子抄程序的一个总结吧。。。。。。。ps：感觉自己抄程序的能力与日俱增、。。。。。。。。。
2021-11-25 14:30:03
3.52MB
1
基于 K-means 聚类算法的图像区域分割，首先从数据样本种选取K个点作为初始聚类中心，其次计算各个样本到聚类的距离，把样本归到离它最近的那个聚类中心所在的累，计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心，最后重复以上步骤，直到相邻两次的聚类中心没有任何变化，说明样本调增结束，仿真代码亲测可用，有很高的参考价值
2021-11-23 16:18:13
30KB
1
DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法，可对物体进行像素级分割。
本课程将手把手地教大家使用labelme图像标注工具制作数据集，并使用DeepLabv3+训练自己的数据集，从而能开展自己的图像语义分割应用。
本课程有两个项目实践：
(1) CamVid语义分割 ：对CamVid数据集进行语义分割
(2) RoadScene语义分割：对汽车行驶场景中的路坑、车、车道线进行物体标注和语义分割
本课程使用TensorFlow版本的DeepLabv3+，在Ubuntu系统上做项目演示。 包括：安装deeplab、数据集标注、数据集格式转换、修改程序文件、训练自己的数据集、测试训练出的网络模型以及性能评估。
本课程提供项目的数据集和Python程序文件。
下图是使用DeepLabv3+训练自己的数据集RoadScene进行图像语义分割的测试结果：
2021-11-01 09:35:27
7.19MB
1
在上篇博客中，我们已经实现了水平投影和垂直投影图的绘制。接下来，我们可以根据获得的投影数据进行图像的分割，该法用于文本分割较多，所以此处依然以上次的图为例。
先把上次的两幅图搬过来，方便讲解。
上面两图分别从垂直和水平方向描述了图像中文本的分布。我们想象一下，将两幅图重叠起来（当然这里比例要调整下），那么我们就能得到四个重叠的白块，而这些白块所处的位置正是原图中文本的位置。所以接下来的任务就是，找出这些白块的坐标，此处白块近似矩形，所以我们要求矩形的四个坐标。
下面看代码。
#根据水平投影值选定行分割点
inline = 1
start = 0
j = 0
for i in range(0
2021-10-31 18:24:16
86KB
1
水线（也称分水岭或流域，watershed）阈值算法可以看成是一种特殊的自适应迭代阈值方法，它的基本思想是：初始时，使用一个较大的阈值将两个目标分开，但目标间的间隙很大；在减小阈值的过程中，两个目标的边界会相向扩张，它们接触前所保留的最后像素集合就给出了目标间的最终边界，此时也就得到了阈值。
2021-10-26 15:34:39
567B
1