cv,opencv,数字图像处理课件，2022最新资料

利用中低分辨率合成孔径雷达(SAR)影像，通过灰度共生矩阵提取不同纹理窗口大小的纹理特征来构造差异影像，并结合Otsu阈值分割方法来获取变化图像。实验结果表明，当检测地物单一、变化较明显的区域时，通过选用均值纹理特征并结合相应纹理窗口，中低分辨率SAR影像能够满足变化检测精度的要求。

第四章基于视频图像处理的能见度榆测方法研究 (c)07：35：24 (d)07：55：24 图4—13视频图像提取的4幅背景图像的检测结果图 由图4—13可以看出，随着时间的推移，能见度慢慢变大，而最远可视点的检测结 果也随着时间的推移慢慢变远，与实际的能见度变化特征相吻合。 为了进一步验证试验结果，我们将最远可视点转换为能见度值与目测能见度相比 较，进一步验证算法可行性和准确性。由于实验室试验条件的限制，如果租用能见度仪 来检测能见度，费用太过昂贵。我们通过人眼目测出能够看到的最远点，然后进行实际 测量，获取目测能见度，与检测出的能见度相比较。 根据第三章能见度图像距离转换模型，将图4—13中的最远可视点对应的能见度转 换出来，与目测能见度相比较，结果如表4—1所示。从早上06：30：02到07：55：24，由天 气图像的变化过程，可以看到能见度在逐渐变大。由实验数据的变化可以看出，实验结 果与实际情况变化也相符。 表4—1能见度检测结果 图像 a b C d 目测能见度(m) 53．0 55．0 59．0 67 检测能见度(m) 45．2 46．8 50．6 59．7 绝对误差(m) 7．8 8．2 8．4 7．3 相对误差 14．7％ 14．9％ 14．2％ 10．9％ 对于非雾天情况下，实验中选取2幅图像进行能见度检测，此时能见度值较大。实 验中，本文只获取非雾天下的最远可视点，如图4—14所示。对于非雾天的最远可视点 的检测，本文采用基于逐行对比度的检测算法，利用该方法检测出天空与道路的交接点 作为最远可视点。由检测结果可以看出，最远可视点的检测结果与实际基本相符。 47

这是冈萨雷斯第三版英文教材，是一本不错的英文教材书

Irfanview 全插件集成，包括了所有常见的显示和转换插件。

图像超分辨率论文实验，验证了模块的有效性，和特征融合的有效性。

基于matlab实现检测披萨饼上肉饼个数以及是否重叠，主要利用形态学处理图片，这个是一个课程设计，我也是查了很多资料第一次做图像处理，不对的地方请指教。上传的压缩包里有代码和图片，有兴趣的可以自己做一下。

扇形转换为矩形的基本实现

基于matlab深度学习工具箱来设计卷积神经网络用来对图像上的水体部分进行识别，并生成水体陆地二值化图像。采用的是9层卷积神经网络用来对图像进行特征提取和分类，水体识别的准确率可以达到96%以上。

otsu的matlab程序，图像处理学中常用的操作，全局阈值图像二值化