计算图像梯度：高斯函数的一阶导数
高斯函数的一阶导数(Derivative of Gaussian)
可以很近似地满足以下三条边缘检测最优准则：
好的边缘检测性能：Good detection
对边缘的响应大于对噪声的响应
好的定位性能：Good localization
其最大值应接近边缘的实际位置
低的错误检测率：Low false positives
在边缘附近只有一个极大值点
2021-11-10 09:56:35
1.92MB
1
使用梯度的锐度估计这是最简单、最基本的锐度衡量标准。 尽管存在许多其他出色的技术，但即使是这种原始估计算法也发现自己具有不错的实际用途。 该文件读取图像并对其进行越来越多的迭代平滑以呈现锐度如何降低。 该方法针对均值和非锐化（锐化）过滤进行了测试。
用法：只需执行此文件。 （记得在这个文件旁边有 lena.jpg）。 所有结果都将打印到 matlab 控制台。
版权所有 (c) 2011，Tolga Birdal
2021-10-25 21:23:05
49KB
1
[全英文档]，解释eye-like算法的期刊文件。详细介绍了图像梯度法找瞳孔的步骤。
2021-09-19 14:44:44
1.3MB
1
行业分类-作业装置-一种融合可见光图像梯度信息的热成像超分辨率重建方法.zip
2021-08-11 17:10:20
391KB
91行C语言实现图像梯度锐化，注释详细，代码简练
for(w=1;w
2021-05-12 02:10:26
1.08MB
1