需要金幣:1000 個金幣 | 資料包括:完整論文 | ||
轉(zhuǎn)換比率:金額 X 10=金幣數(shù)量, 例100元=1000金幣 | 論文字?jǐn)?shù):11020 | ||
折扣與優(yōu)惠:團(tuán)購最低可5折優(yōu)惠 - 了解詳情 | 論文格式:Word格式(*.doc) |
摘要:如今世界上的計算機(jī)科學(xué)領(lǐng)域技術(shù)不斷在突破,更多的人選擇通過計算機(jī)技術(shù)來完成信息的交流與處理。彩色圖像信息是我們獲得信息的重要途徑,人類的信息交流越來越多要依靠彩色圖像信息的處理,然而目前并沒有發(fā)現(xiàn)一個很通用的算法去進(jìn)行彩色圖像目標(biāo)的檢測與處理,在這樣的情況下,針對彩色圖像目標(biāo)有效的檢測與處理是當(dāng)前計算機(jī)視覺領(lǐng)域的要務(wù)。本文所設(shè)計的課題是在雜亂場景下對彩色圖像目標(biāo)進(jìn)行檢測,通過檢測彩色圖像目標(biāo)的形狀特征,顏色特征,紋理特征等特征實(shí)現(xiàn)彩色圖像目標(biāo)檢測這一目的,同時能夠?qū)崿F(xiàn)多幅圖片的特征檢索以及準(zhǔn)確定位。簡單的說就是最后在完整的程序運(yùn)行,能夠在隨意給定目標(biāo)圖像的條件下,在一組圖像庫中準(zhǔn)確檢索到含有目標(biāo)的圖片以及目標(biāo)物體所在位置。
關(guān)鍵詞:彩色圖像;Python;圖像檢測
目錄 摘要 Abstract 1 緒論-1 1.1彩色圖像檢測研究的背景及意義-1 1.2圖像檢測的研究現(xiàn)狀-1 1.3論文主要工作和內(nèi)容安排-3 2 開發(fā)語言選擇-4 2.1 Python語言-4 2.2 python的圖像處理-4 2.3 Python與Matlab的對比-4 2.4 PIL庫與Image類-5 3 彩色圖像特征點(diǎn)檢測-6 3.1 Harris算法原理-6 3.2 Harris算法步驟-7 3.3 Opencv與Harris算法-8 3.3.1 Opencv函數(shù)-8 3.3.2 Opencv的Harris角點(diǎn)檢測函數(shù)cornerHairrs-8 4彩色圖像檢索-9 4.1基于內(nèi)容的圖像檢索-9 4.1.1“以圖找圖”-9 4.1.2基于內(nèi)容的圖像檢索的三個層次-9 4.1.3基于內(nèi)容的圖像檢索的技術(shù)研究熱點(diǎn)-9 4.2圖像檢索的常用特征-10 4.2.1顏色特征-10 4.2.2形狀特征-11 4.2.3紋理特征-11 4.3多圖檢索-12 5 系統(tǒng)結(jié)構(gòu)及實(shí)驗(yàn)效果圖-13 5.1系統(tǒng)結(jié)構(gòu)-13 5.2程序編寫流程-13 5.3實(shí)現(xiàn)效果圖-14 5.3.1Harris角點(diǎn)檢測效果圖-14 5.3.2圖像特征點(diǎn)對比效果圖-15 5.3.3圖像定位效果圖-16 5.3.4多圖檢索效果圖-17 結(jié) 論-20 參 考 文 獻(xiàn)-21 附錄A部分程序代碼-22 致 謝-25 |