详解C++的String类的字符串分割实现 功能需求,输入一个字符串“1-2-3”切割出“1”、“2”、“3”。在Java下直接用String的split函数就可以了。c++下String没有直接提供这个函数,需要自己写。 网上给出的解决方案是这里的三种方法。但我是通过JNI访问的,在里面用这些vector可能不中,自己封装了个,仅供参考: String recogScop = 01-02-03; cout<<recogScop<<endl; int size = recogScop.size(); int pos = 0; string result[20] ; for(int i=
2022-05-23 23:13:44 38KB c++ IN ng
1
该程序将彩色图像分割成不同的区域。 本程序中分段的步骤如下: 1. 输入的彩色图像将使用 25 个 bin 粗略表示。 2. 粗略表示使用来自基于直方图的窗口过程的空间信息。 3. K-Means 用于对粗图像数据进行聚类。 Matlab 编程新手可以查看“SampleUsage.m”文件,了解脚本“colImgSeg.m”的使用方法。 已经熟悉Matlab编程的可以直接使用脚本“colImgSeg.m”。
2022-05-23 21:11:27 32KB matlab
1
3d slicer 4.11 版本, 用于3维重建,图像标注,医学领域的,别下错了
2022-05-23 21:06:56 224.58MB 3dslicer 图像分割
1
安全帽分割是实现煤矿人员智能视频监控的关键技术之一,可促进人员定位、跟踪、安全帽佩戴检测等相关技术的研究,为此,提出一种基于超像素特征提取与支持向量机(Support Vector Machines,SVM)分类的矿井人员安全帽分割方法。首先,采用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)模型将人员图像粒化为一定数量内部像素点颜色特征相似且空间位置相近的超像素。其次,提取超像素在RGB,YCbCr,Lab,HSV空间上的颜色特征及其灰度直方图纹理特征,通过分析安全帽二维轮廓线上的斜率变化特性建立安全帽轮廓特征模型。最后,在训练集人员图像中分别提取安全帽正样本超像素和背景负样本超像素的颜色、纹理特征训练SVM分类器,采用已训练的SVM将测试集中的人员图像超像素二分类为安全帽正样本和背景负样本。进一步通过安全帽轮廓特征模型判别SVM误分类的虚假正样本并对其进行类别修正,识别同时包含正样本像素点和负样本像素点的欠分割样本超像素,并通过求取正样本区域边界掩模与Prewitt算子所提取轮廓的差集对其进行二级像素分类,分离出其中的正样本像素区
1
目标分割DeepLab v1ABSTRACT1、 INTRODUCTION2、 RELATED WORK3、 CONVOLUTIONAL NEURAL NETWORKS FOR DENSE IMAGE LABELING3.1 利用空洞算法实现高效的密集滑动窗口特征提取3.2 利用卷积网控制感受野大小,加速密集计算4、 DETAILED BOUNDARY RECOVERY : FULLY-CONNECTED CONDITIONAL RANDOM FIELDS AND MULTI-SCALE PREDICTION4.1 全连通条件随机域CRF精确定位4.2 多尺度预测Reference 原文:Se
2022-05-23 18:53:59 432KB ab crf crf算法
1
计算机软件-商业源码-实例96 实现文件分割与合并.zip
2022-05-23 16:04:41 460KB 源码软件
Matlab实现一维otsu算法图形分割及改进
2022-05-22 21:06:26 2KB Matlab otsu算法 图形分割 改进
1
跨模态注意力引导卷积网络用于多模态心脏分割
2022-05-22 20:34:52 1.24MB 研究论文
1
使用预提取肤色模型进行手势分割,进而通过手指检测识别手指个数,能够识别0-5个数字。 算法使用opencv进行实现,初始化时需要使用手掌覆盖住七个绿色的小正方形进行肤色提取,待绿色方框变成白色即可建立肤色模型。通过对肤色进行建模进而分割出手势轮廓进而进行识别。 工程由VS2010+opencv2.4.6实现,更改opencv include及lib路径等配置即可运行。
2022-05-22 16:54:48 25KB 手势识别 手指检测 肤色模型提取
1
matlab中拨号代码图像分析 该存储库包含用于3D单细胞分割和分析的Matlab代码。 可以找到分步说明。 分割 分段器是用于单细胞分段的Matlab应用。 简单的用户界面允许调整参数,直到实现精确的分割为止。 可以通过阈值化细胞质标记物或通过对膜标记物进行分水岭转化来以3D方式分割细胞。 细分参数包括: 3D裁剪平面以删除相邻的单元格 阈值级别和通道。 阈值之前应用了波斯语的sigma。 拨和蚀的量。 像元的近似半径。 您可以在应用程序中滚动浏览z维度,并可以以3D方式查看单元格蒙版。 一旦实现了精确的分割,就可以将其另存为Tiff。 然后可以使用Matlab,ImageJ或任何其他程序对单元进行分析。 分析 分析脚本将功能应用于图像文件夹,并将结果保存为Excel文件。 我的分析功能在第90个百分位处对通道进行阈值识别点,然后计算三个区域的富集和部分重叠:质膜(<1um> 3um)。 可以轻松编写不同的函数来以不同的方式分析单元格。 可视化 该存储库还包括用于可视化富集和部分重叠的代码。 分布脚本生成一个圆形热图,该热图表示一组单元格的平
2022-05-22 16:23:07 15.05MB 系统开源
1