行业产品市场行情，产品价格趋势分析，全国各类展会动态，尽在ICBuy电子网行业资讯频道。他是您把握市场行情不可多得的得力助手！

opencv函数实现二值图像边缘细化操作

具有可变大小比例的简单模板匹配。 在图像Is（灰度图像）的canny边缘图像中找到模板Itm（二值图像）。 模板大小不需要与图像中的目标完全相同，扫描各种大小比例。 模板 Itm 。 INPUT: 是模板所在的彩色图像。 Itm：模板二进制图像。 OUTPUT: 最佳匹配的位置 (x,y) 匹配的分数。 显示（是）标有最佳匹配的图像。 还返回调整大小的图像和调整大小的模板，以提供最佳匹配的大小比例。 方法：扫描模板Itm和图像Is之间的各种大小比例，找到模板Itm最匹配的图像大小比例和位置。 在图像Is的精巧边缘和模板Itm之间使用简单的模板匹配互相关。 主要功能：MAIN_find_template_in_image

资源包含文件：课程报告word+源码 利用图像区域中黑色象素的个数对秘密信息进行编码。 把一个二值图像分成 L(m) 个矩形图像区域 Bi ，如果其中黑色象素的个数大于一半，则表示嵌入 0 ；如果白色象素的个数大于一半，则表示嵌入 1 。 当需要嵌入的比特与所选区域的黑白象素的比例不一致时，为了达到希望的象素关系，则需要修改一些象素的颜色。 修改应遵循一定的规则，原则是不引起感观察觉。 修改应在黑白区域的边缘进行 。 判断每一个图像块黑色象素的百分比，如果大于 R1 + 3λ ，或者小于 R0 - 3λ ，则跳过这样的无效块。 如果在 [R1 , R1 + λ] 或者 [R0 - λ , R0] 的范围内，则正确提取出秘密信息 0 或 1 。 详细介绍参考：https://blog.csdn.net/newlw/article/details/125008614

利用C#语言利用4邻近算法实现二值图像的边缘跟踪

matlab代码实现分形维数计算

基于边界跟踪方法的数字化二值图像拓扑结构分析

二值图像去噪，先腐蚀后膨胀，可以去除图像中的随机噪声

中国象棋棋子定位采用的传统图像处理方法，复杂度高；识别棋子采用的传统文字识别方法，泛化性较差、精确度较低。提出一种基于棋子颜色特征的分割方法和改进的二值图像滤波算法，实现了棋子的快速定位，不需要二次修正位置；提出一种基于卷积神经网络的棋子识别方法，该方法可以应用于不同字体的棋子识别，在更换棋子的情况下，依然可以快速、准确地识别棋子。实验结果表明，该方法的定位误差为0.51 mm，平均定位时间0.212 s，对4类字体的平均棋子识别准确率为98.59%左右，证实了该方法的有效性和实用性。

_python__代码_相关文件_下载 这个 repo 是为评估二值图像分割结果而开发的。 已实施的措施 MAE 平均绝对误差 Precision, Recall, F-measure (这是sal_eval_toolbox中算法的python实现) 精确召回曲线 精确召回曲线 F-测量曲线 更多详情、使用方法，请下载后阅读README.md文件