matlab傅里叶描述子代码-Image_Segmentation_and_Feature_Extraction:这是一个有4个任务的项目。图

上传者: 38577922 | 上传时间: 2022-09-27 20:28:15 | 文件大小: 9KB | 文件类型: ZIP
matlab傅里叶描述子代码Image_Segmentation_and_Feature_Extraction 这是一个有4个任务的项目。 图像分割和特征提取技术是在MATLAB环境中实现的。 任务1 –全局阈值 该项目的第一个任务是编写一个实现迭代阈值的程序。 该程序将用于分割给定的图像。 算法方法在以下几点中定义: 选择T的初始估算值。 使用T分割图像。 计算G1和G2的平均值。 计算新的阈值Tnew = 0.5 *(m1 + m2)。 重复步骤2至4,直到T的变化足够小为止。 任务2 –大津的门槛 该项目的第二个任务是从头开始实施Otsu的最佳阈值算法。 Otsu的算法包括以下步骤: 计算输入图像的标准化直方图。 计算累积和P(k)。 计算累积均值m(k)。 计算总体强度平均值mg。 计算类间方差sigma(k)。 获得Otsu阈值Kopt作为具有最大sigma的k的值。 任务3 –链码 在这一部分中,我们给出了带有镜面噪声的圆形笔触图像。 该问题的目的是获得Freeman链码,最大对象的外边界的第一差以及该码的最小大小的整数。 任务4 –傅立叶描述符 该项目的最后一部分是关于傅

文件下载

资源详情

[{"title":"( 11 个子文件 9KB ) matlab傅里叶描述子代码-Image_Segmentation_and_Feature_Extraction:这是一个有4个任务的项目。图","children":[{"title":"Image_Segmentation_and_Feature_Extraction-master","children":[{"title":"codediff.m <span style='color:#111;'> 263B </span>","children":null,"spread":false},{"title":"MinimumMagnitude.m <span style='color:#111;'> 399B </span>","children":null,"spread":false},{"title":"Project2.m <span style='color:#111;'> 574B </span>","children":null,"spread":false},{"title":"FourierDescriptors.m <span style='color:#111;'> 2.54KB </span>","children":null,"spread":false},{"title":"FreemanChainCode.m <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"ChainCode.m <span style='color:#111;'> 5.45KB </span>","children":null,"spread":false},{"title":"AutoThresholding.m <span style='color:#111;'> 610B </span>","children":null,"spread":false},{"title":"Otsu_Thresholding.m <span style='color:#111;'> 499B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.83KB </span>","children":null,"spread":false},{"title":"minmag.m <span style='color:#111;'> 354B </span>","children":null,"spread":false},{"title":".gitattributes <span style='color:#111;'> 66B </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明