标签: 数字图像
相关博文
-
机器视觉是指从数字图像中自动提取信息的过程，涉及识别/解码（条形码、二维码）、定位/导航（位置、方向）、测量/计数（尺寸、公差、数量）和检测（缺陷、瑕疵）。 采用艾迈斯欧司朗OSLON® Pure 1414的照明解决方案尺寸小巧，色彩组合丰富，可满足多种检测目的，从而简化了每次更换和重新设置照明色彩的繁琐过程，节省宝贵时间。 应用优势 LED特点 设计灵活性 全色谱覆盖，包括色温从 1800K 至 6500K 的白光，为灯组照明提供更好的选择 紧凑型封装 1.4 x 1.4 mm²，更易于实现产品微型化 出色的光通量密度 在紧凑小巧的封装中实现高通量 LED 出色的可靠性和使用寿命 大多数色彩下都具有出色的稳健性，L70 使用寿命达 90000 小时以上 各角度色彩均匀 朗伯辐射模式 (120° FWHM)，色彩均匀；在 ±60° 时，白色 delta u'v' 约为 0.01 脉冲处理能力 根据允许的脉冲处理能力，灯光能以频闪模式运行
相关资源
-
-
-
-
基于遗传算法优化BP神经网络的数字图像土壤含水量反演研究
-
-
数字图像分析与处理技术Visual+C%2B%2B数字图像....pdf
-
3208325_数字图像密码算法详解——基于C、C#与MATLAB.pdf
-
-
-
-
-
数字图像无线传输的π_4-DQPSK调制、解调的DSP实现
-
数字图像无线传输的π_4-DQPSK调制、解调的DSP实现(基于C54X)
-
-
-
-
数字图像自适应去噪的FPGA实现数字图像自适应去噪的FPGA实现左振鹏（哈尔滨工业大学,黑龙江哈尔滨150001）Email:zuozhenpeng@gmail.com电话:13945147625摘要:本文针对数字图像中椒盐噪声的滤除，提出一种适合FPGA实现的自适应去噪算法，在传统算法中加入二次噪声检测。并且在DE2平台上搭建数字图像的椒盐噪声自适应去噪验证平台进行验证。关键词：数字图像处理；椒盐噪声；FPGA；自适应去噪TheFPGAImplementationofAnAdaptiveSwitchingFilterforDigitalImageZuoZhenpeng（HarbinInstituteofTechnology,Harbin,150001）Email:zuozhenpeng@gmail.comTel:13945147625Abstract:ThispaperproposesanewwaywhichcanworkbetterintheenvironmentofFPGAtofilteringthesaltandpep……
-
《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。
-
《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。
-
《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。《数字图像处理与机器视觉——VisualC++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。
