-
本版专家分：0结帖率 0% -
手写汉字的骨架提取程序，用java完成，要求骨架能正确反映汉字的拓扑结构。不要有多余的毛刺，旁枝。
请使用上图来做，邀请高手来做！
联系微信：wubangjunjava
-
版主本版专家分：34467
-
-
优秀版主
2016年10月优秀小版主
优秀小版主
-
-
红花
2018年12月 Java大版内专家分月排行榜第一
2016年1月 Java大版内专家分月排行榜第一
2015年12月 Java大版内专家分月排行榜第一
2015年9月 Java大版内专家分月排行榜第一
2015年8月 Java大版内专家分月排行榜第一
-
-
黄花
2016年3月 Java大版内专家分月排行榜第二
2016年2月 Java大版内专家分月排行榜第二
2015年11月 Java大版内专家分月排行榜第二
2015年10月 Java大版内专家分月排行榜第二
-
-
蓝花
2017年5月 Java大版内专家分月排行榜第三
2016年5月 Java大版内专家分月排行榜第三
2015年7月 Java大版内专家分月排行榜第三
-
-
付费？ 如何算
-
本版专家分：228 -
骨架提取是啥意思，想要什么样的效果，可以详细点吗
- 【opencv】图像细化
- 在我们进行图像处理的时候，有可能需要对图像进行细化，<em>提取</em>出图像的<em>骨架</em>信息，进行更加有效的分析。 图像细化（Image Thinning），一般指二值图像的<em>骨架</em>化（Image Skeletonization） 的一种操作运算。 所谓的细化就是经过一层层的剥离，从原来的图中去掉一些点，但仍要保持原来的形状，直到得到图像的<em>骨架</em>。<em>骨架</em>，可以理解为图象的中轴。 好的细化算
- 基于数学形态学的汉字骨架提取算法
- 运用数学形态学的方法，给出了<em>文字</em>图像<em>骨架</em>的<em>提取</em><em>算法</em>，并进行了实验。
- 两种图像骨架提取算法的研究(1)原理部分
- <em>骨架</em><em>提取</em>
- Python学习19_骨架提取与分水岭算法
- 转自：http://www.cnblogs.com/denny402/p/5167414.html <em>骨架</em><em>提取</em>与分水岭<em>算法</em>也属于形态学处理范畴，都放在morphology子模块内。 1、<em>骨架</em><em>提取</em> <em>骨架</em><em>提取</em>，也叫二值图像细化。这种<em>算法</em>能将一个连通区域细化成一个像素的宽度，用于特征<em>提取</em>和目标拓扑表示。 morphology子模块提供了两个函数用于<em>骨架</em><em>提取</em>，分别是Skeletonize（）
- OpenCV骨架提取代码
- <em>提取</em><em>骨架</em>常用的方法有zhang快速细化法，rosenfeld方法等。两种<em>算法</em>的原理可以参考：贾挺猛. 葡萄树冬剪机器人剪枝点定位方法研究[D]. 浙江工业大学, 2012. 这篇文章中有比较详细的解释。此外《数字图像处理》（第三版）-冈萨雷斯，9.5.7和11.1.7两个小节对<em>骨架</em><em>提取</em>问题进行了比较详细的介绍。下面是实现两种<em>算法</em>的代码。 #define p1 SrcImage.at(i, j)
- 图象的骨架提取算法
- 把一个平面区域简化成图（graph）是一种重要的结构形状表示法。利用细化技术以得到区域的<em>骨架</em>是常用的方法。中轴变换（medial axis transform,MAT）是一种用来确定物体<em>骨架</em>的细化技术。具有边界B的区域R的MAT是如下确定的。对每个R中的点P，我们在B中搜寻与它最近的点。如果对P能找到多于一个这样的点（即有2个或以上的B中的点与P同时最近），就可认为P属于R的中线或<em>骨架</em>，或者说P是
- Zhang-Suen 图像骨架提取算法的原理和OpenCV实现
- 记录一下图像<em>骨架</em><em>提取</em><em>算法</em>，转载至 两种图像<em>骨架</em><em>提取</em><em>算法</em>的研究(1)原理部分基于OpenCV的实现代码如下，代码参考 opencv<em>骨架</em><em>提取</em>/图像细化void Utilities::thinImage(Mat &amp; srcImg) { vector&lt;Point&gt; deleteList; int neighbourhood[9]; int nl = srcImg.rows;...
- 汉字书法图像骨架提取
- 利用opencv自带的<em>骨架</em><em>提取</em>函数，经优化后得到汉字图像的<em>骨架</em>图
- 圖像細化（骨架化）算法 分析
- 圖像細化（<em>骨架</em>化）<em>算法</em> 分析 http://www.cnblogs.com/blue-lg/archive/2012/03/08/2383955.html 圖像的細化是模式識別中很重要的一個技術，指的是將原本"臃腫"的像素簡化為單像素相連接的二值圖像（即類似<em>骨架</em>的概念），細化的好壞直接影響到後面識別匹配的效率。 摘自某文章的話，細化就是經過一層層的剝離，從原來的圖中去
- 图像细化、骨架提取
- 八连通查表法 zhang 的快速并行细化<em>算法</em> 其他工具八连通－查表法python 简单图像处理（16） 图像的细化（<em>骨架</em>抽取） 来自 cnblogs 上 xiatwhu 的16篇 python简单图像处理系列 博文。该文章大意是：判断一个像素点能不能去、通过分析8个相邻点（八连通）的情况可知，见下图 对于黑色的像素点，给它周围的8个点赋予不同的价值 百度文库上有篇
- 图像骨架提取算法。细化算法
- Afast parallel algorithm for thinning digitalpatterns” byT.Y. Zhang and C.Y. Suen.以及Parallelthinning with two sub-iteration algorithms” byZicheng Guo and Richard HallZhangand C.Y. Suen的图像<em>骨架</em><em>提取</em><em>算法</em>可以得到比较平...
- 图像的骨架提取算法
- 图像的<em>骨架</em>似乎没有严格的数学定义，可认为是图像细化（Thinning）的产物（中轴可以看作一种<em>骨架</em>，其有严格的数学定义）。目前已经有许多细化<em>算法</em>，这些<em>算法</em>得到的<em>骨架</em>可能略有差异。本文实现了Khalid Sheed 的 K3M<em>算法</em>。该<em>算法</em>属于迭代腐蚀边界的一类<em>算法</em>，该类<em>算法</em>的思想是，假定从二值图像中物体的边界处同时开始燃烧，物体就会被逐步细化，但在燃烧过程中要保证满足一定条件的点被保留或者被“烧掉”...
- python3 OpenCV cv2 图像的细化(骨架抽取)_图像处理作业
- 参考链接：http://www.cnblogs.com/xianglan/archive/2011/01/01/1923779.html主思路和程序基本上都是参考博主的，只是在思路理解上和Python3的一些小修改.首先是<em>算法</em>原理介绍：图像细化：图像细化主要是针对二值图而言，所谓<em>骨架</em>，可以理解为图像的中轴，，一个长方形的<em>骨架</em>，是它的长方向上的中轴线，圆的<em>骨架</em>是它的圆心，直线的<em>骨架</em>是它自身，孤立点的...
- 手写汉字数据集（部分）
- <em>手写</em>汉字数据集（HWDB1.1），图片形式的各种汉字以经分别在各个文件夹内存储好。
- 骨架提取——Khalid Sheed的K3M算法
- 图像的<em>骨架</em>似乎没有严格的数学定义，可认为是图像细化（Thinning）的产物（中轴可以看作一种<em>骨架</em>，其有严格的数学定义）。目前已经有许多细化<em>算法</em>，这些<em>算法</em>得到的<em>骨架</em>可能略有差异。本文实现了Khalid Sheed 的 K3M<em>算法</em>。该<em>算法</em>属于迭代腐蚀边界的一类<em>算法</em>，该类<em>算法</em>的思想是，假定从二值图像中物体的边界处同时开始燃烧，物体就会被逐步细化，但在燃烧过程中要保证满足一定条件的点被保留或者被“烧掉”
- 基于距离变换的中轴线道路骨架提取算法
- 基于距离变换的中轴线道路<em>骨架</em><em>提取</em><em>算法</em>
- 两种图像骨架提取算法的研究(2)实现代码
- 1 K3M #include #include #include #include #include #include #include using namespace std; set GetAi(int a[], int length)//获取A0~A5 { set vec; int neighbour[] = { 1,2,4,8,16,32,64,128
- opencv 骨架提取算法 （查表索引法）
- 利用查表索引法<em>提取</em>并细化<em>骨架</em>，Mat类型实现、iplimage类型实现
- 提取图像的骨架(Skeleton)算法
- 图像的<em>骨架</em>似乎没有严格的数学定义，可认为是图像细化（Thinning）的产物（中轴可以看作一种<em>骨架</em>，其有严格的数学定义）。目前已经有许多细化<em>算法</em>，这些<em>算法</em>得到的<em>骨架</em>可能略有差异。本文实现了Khalid Sheed 的 K3M<em>算法</em>。该<em>算法</em>属于迭代腐蚀边界的一类<em>算法</em>，该类<em>算法</em>的思想是，假定从二值图像中物体的边界处同时开始燃烧，物体就会被逐步细化，但在燃烧过程中要保证满足一定条件的点被保留或者被“烧掉”
- opencv2实现形态学骨架提取
- 因为opencv2中没有形态学<em>骨架</em><em>提取</em><em>算法</em>的实现，于是准备在opencv2上实现一个。 首先介绍下<em>骨架</em><em>提取</em><em>算法</em>,冈萨雷斯的书上已经说的很清楚了，我再重复一下。 集合A的<em>骨架</em>可以用腐蚀和开操作来表达， 即<em>骨架</em>可以表示为 其中， 式中，B是一个结构元，而 表示对A的连续k次腐蚀： K是A被腐蚀为空集前的最后一次迭代步骤。换句话说， 其中AB表示用B结构原腐蚀A
- 基于zhang 的骨架提取
- 最近在学图像处理的<em>骨架</em><em>提取</em>，发现很多中文教材对这个方面讲的很有欠缺，于是我决定看英文原文的论文。看了2篇论文，“A fast parallel algorithm for thinning digital patterns” by T.Y. Zhang and C.Y. Suen.以及Parallel thinning with two sub-iteration algorithms”
- 三维网格的骨架提取
- 经过这段时间的努力，<em>骨架</em>提起终于有了点成果。这次编码吸取上次失败的经历，在代码规范上下了大功夫，<em>算法</em>上，在导师的帮助下彻底弄明白了。 <em>算法</em>： 1，体素化 2，细化（判断简单点） 下面还有很多工作要做，怎么样从<em>骨架</em>返回到三维网格，进而对网格进行四边形分割，加油！下面帖几张<em>提取</em>的结果 程序的环境是MFC+openGL细节决定成败！
- 骨架提取matlab程序
- 可以<em>提取</em>三维模型<em>骨架</em>
- 【opencv】经典的细化提取骨架理论及源代码
- 做项目时碰到特征的<em>骨架</em><em>提取</em>，找了挺多相关资料，发现这篇博客讲的最完整，而且通俗易懂，完美解决碰到的问题，特转载如下，供更多的人学习。转自：https://www.cnblogs.com/mikewolf2002/p/3327183.html 本章我们学习一下Hilditch<em>算法</em>的基本原理，从网上找资料的时候，竟然发现两个有很大差别的<em>算法</em>描述，而且都叫Hilditch<em>算法</em>。不知道那一个才是正宗的，...
- 【Android】opencv图像处理之提取骨架
- 在网上找了好多股价<em>提取</em>的实例，有关android的，实在都不能用，最后只好动手按照书中的<em>算法</em>实现，记录在此。<em>算法</em>参看自《数字图像处理（第三版）》Rafae C.Gonzalez, Richard E. Woods著, 阮秋琦 阮宇智 等译， 第418页。 代码如下 /** * <em>骨架</em> * 参考http://felix.abecassis.me/2011/09/opencv-mo
- 骨架提取----细化
- <em>算法</em>原理: 二值图像 8连通域的华东窗口，111111=255中过滤标记（0 保留，1 可以删除） 进行循环多次的删除边缘，直到无法删除位置。
- 数字图像处理图像的骨架生成和提取（Matlab）三种方法
- 数字图像处理图像的<em>骨架</em>生成和<em>提取</em>（Matlab），有三种方法，推荐给大家！
- opencv 骨架提取/图像细化
- <em>骨架</em><em>提取</em>/图像细，相信很多人都听说过，图像细化原理 可以参看这篇博文。由于opencv没有现成的函数，因此，看懂了原理之后，自己写了一个函数出来。 现在分享一下代码。 现在越来越觉得C博客的好处，可以看到好多前辈分享的代码，大大缩短了自己掌握图像处理技巧的时间。 这种乐于分享的氛围，必将极大的促进技术的进步和革新。 本代码配置条件 opencv2.4.9+vs2013 应该其他版本的v
- python数字图像处理（19）：骨架提取与分水岭算法
- python数字图像处理（19）：<em>骨架</em><em>提取</em>与分水岭<em>算法</em> <em>骨架</em><em>提取</em>与分水岭<em>算法</em>也属于形态学处理范畴，都放在morphology子模块内。 1、<em>骨架</em><em>提取</em> <em>骨架</em><em>提取</em>，也叫二值图像细化。这种<em>算法</em>能将一个连通区域细化成一个像素的宽度，用于特征<em>提取</em>和目标拓扑表示。 morphology子模块提供了两个函数用于<em>骨架</em><em>提取</em>，分别是Skeletonize（）函数和medial_
- 基于opencv的骨架提取代码
- 基于opencv的<em>骨架</em><em>提取</em>代码，利用击中不击中变化实现细化操作。
- Matlab 骨架提取
- 本代码是<em>骨架</em>特征<em>提取</em>的代码，用Matlab编写，效果还不错！
- 利用python对物体进行骨架提取
- 由于图片中的对象之间互相粘连和遮挡，因此必须前景进行细化，尽量使不同目标之间分开，更有利于后续的操作
- 图像骨架提取实现
- 实现过程是不断对图像进行腐蚀并且标记每个像素腐蚀到值不再变化的次数。 clear all; close all; clc; I = imread('test.jpg'); [m n]=size(I); m=double(m); n=double(n); Min=double(min(img(:))); w = strel('square',3); img=zeros(m,n); while s
- 形态学骨架提取
- 下面我来介绍一下关于形态学中的<em>骨架</em><em>提取</em>，并在MATLAB中实现： 1、打开MATLAB软件，在其主界面的编辑器中写入下列程序： I=imread('G:\MATLAB\bm.bmp'); %读取当前路径下的图片 subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; I...
- opencv 图像分割、边缘提取、骨架提取
- 改代码主要涉及到灰度图像的分割，包括均值聚类，ostu两个<em>算法</em>，以及图像的边缘<em>提取</em>，和<em>骨架</em><em>提取</em>，同时涉及到奶牛乳腺面积密度的计算等等。
- 基于距离变换细化的骨架提取
- 经典的基于距离变换细化的<em>骨架</em><em>提取</em>方法。距离变换的结果是双像素宽度的<em>骨架</em>，细化的结果是单像素宽度的<em>骨架</em>。该方法<em>骨架</em>定位精确，运行速度快
- 使用OpenCV获取物体的骨架
- 概述 在很多计算机视觉的应用里，都需要处理大量的数据，耗时费内存。为了减少处理时间，降低内存占用，需要使用物体的紧凑表示，也就是物体的<em>骨架</em>(skeleton)。 物体的<em>骨架</em>要求能够表示这个形状的结构，删除多余的像素点，下图是字母B的<em>骨架</em>。 这篇文章介绍一种使用OpenCV库计算生态<em>骨架</em>（morphological skeleton）的方法，这种方法简单实用。维基百科中有介绍说通过腐蚀和...
- 基于距离变换的骨架提取
- 本课题主要应用非欧氏距离进行距离变换，针对于不同特征的二值图像，每种距离变换可以选用不同权值的模版进行目标的<em>骨架</em>抽取。其效果的优劣在与欧式距离的误差和运算速度的快慢之间权衡。
- GIS算法基础（八）基于距离变换的栅格骨架提取算法
- 一、为什么需要<em>骨架</em><em>提取</em> 简单来说就是用于细化栅格，便于栅格数据转换为矢量数据 栅格格式向矢量格式转换是<em>提取</em>相同编号的栅格集合表示的边界，栅格点转换成矢量点，很简单，在坐标系确定的情况下通过解析式可以直接转换。而线与面在转换成矢量的时候，本质上都是在<em>提取</em>边界或中轴线，因此在栅格中<em>提取</em>中轴线就与栅格的细化的关系密不可分，这是因为线状栅格数据一般具有粗度且线条本身往往呈现粗细。栅格数据需要细化，以提...
- 【CV】骨架提取
- ###Date: 2018.4.5 清明 ============================================================ 图像的细化主要是针对二值图而言 所谓<em>骨架</em>，可以理解为图像的中轴，，一个长方形的<em>骨架</em>，是它的长方向上的中轴线， 圆的<em>骨架</em>是它的圆心，直线的<em>骨架</em>是它自身，孤立点的<em>骨架</em>也是自身。 <em>骨架</em>的获取主要有两种方法： （1）基于烈火模拟
- 二值图像的骨架提取
- 本文介绍的二值图像细化<em>算法</em>是来自 T.Y. Zhang and C.Y. Suen 1984 年发表的论文 “A fast parallel algorithm for thinning digital patterns” 中所介绍的<em>算法</em>。
- 【OpenCV学习笔记】之四：二值图像细化方法/骨架提取----基于2.0 Mat接口
- 由于OpenCV没有自带的图像细化函数，网上提供的基本是基于1.0接口的，于是乎动手搞成2.0 Mat类型接口的，方便好用。 细化方法当中，当属经典的Zhang并行快速细化<em>算法</em>，细化之后的轮廓走势与原图保持得相对较好。 参照 http://blog.csdn.net/byxdaz/article/details/5642669， 代码改造结果如下， //将 DEPTH_8U型二
- ArcMap欧氏距离工具提取图像骨架线
- 图像<em>骨架</em>线(Morphological skeleton)图像<em>骨架</em>线在wiki中有两个术语，分别是Morphological skeleton和Topological skeleton。 形态<em>骨架</em>线（Morphological skeleton）在数字图像处理中，形态<em>骨架</em>是通过形态学算子计算的形状或二值图像的<em>骨架</em>（或中轴）表示。形态<em>骨架</em>有两种：那些通过形态开口定义的，可以重建原始形状的开口， 那些通
- 形态学之骨架例程一
- ImageRegionConnectedRegoinsSelectedRegoins1SkeletonEndPointsJuncPointsRegionDifferenceConnectdRegionsSelectedRegions2RegionLines
- 改进的形态学骨架提取算法
- 改进的形态学<em>骨架</em><em>提取</em><em>算法</em> 图像处理相关可以参考
- opencv 对象骨架化
- 欢迎关注微信公众号——计算机视觉： How to get the skeleton of an object using OPENCV http://pinkjade8848.spaces.live.com/blog/cns!E4159959CD42C507!195.entry Skeletonization is a process for reducing fore...
- 基于opencv2的骨架提取代码 python实现
- 基于opencv和python的<em>骨架</em><em>提取</em>代码，利用击中不击中变化实现细化操作。切分以后，结合深度学习识别技术，可以对字符 数字等印刷体有一个比较理想的分割和识别效果。本人亲测 有生成结果图片和原图片对照实例，可以动态展示<em>骨架</em><em>提取</em>过程，具体参照rar文件包。有问题随时沟通。
- 图像骨架提取（细化）
- Matlab 资源代码，该资源是图像处理中对图形进行二值化处理然后进行<em>骨架</em><em>提取</em>（图像细化）。
- 图像骨架提取算法
- 基于visual studio 2010 的c++ 图像<em>骨架</em><em>提取</em><em>算法</em>，可以实现对图像<em>骨架</em>的<em>提取</em>
- 图像的细化（骨架抽取）
- 转自： http://www.cnblogs.com/xianglan/archive/2011/01/01/1923779.html 图像的细化主要是针对二值图而言 所谓<em>骨架</em>，可以理解为图像的中轴，，一个长方形的<em>骨架</em>，是它的长方向上的中轴线， 圆的<em>骨架</em>是它的圆心，直线的<em>骨架</em>是它自身，孤立点的<em>骨架</em>也是自身。 <em>骨架</em>的获取主要有两种方法： （1）基于烈火模拟 设想在同一时刻，将目标
- 骨架中心线提取
- 曲线<em>骨架</em>属性，应用程序和<em>算法</em>
- NITE 2与OpenCV结合的第二个程序（提取人体骨骼坐标）
- 温故而知新——NITE 2的基本使用主要包括以下几个步骤： 1. 初始化NITE环境： nite::NiTE::initialize(); 2. 创建User跟踪器： nite::UserTracker mUserTracker; mUserTracker.create(); 3. 创建并读取User Frame信息：nite::UserTrackerFr
- opencv笔记（二十一）——骨骼去毛刺
- 图像细化多用于机器人视觉，OCR字符识别等领域，细化后的图像经过去毛刺就成为了我们常说的图像的<em>骨架</em>。 该图像细化代码依据论文： T. Y. ZHANG and C. Y. SUEN A Fast Parallel Algorithm for Thinning Digital Patterns 代码如下： void ThinSubiteration1(Mat &amp; pSrc, Ma...
- Halcon中用骨架提取算子skeleton计算区域的斜率
- 如何计算区域的斜率呢？ 如果是正规的Region，orientation_region能够基于elliptic_axis计算出区域的方位。但是如果是不正规的Region，请注意，该算子计算的方位很可能和你以为的方位有很大的偏差。 此时，更为一般的方法是： （1）skeleton算子能拟合出该区域的<em>骨架</em>。 （2）取<em>骨架</em>中
- 教自己学Python（五）代码骨架
- 代码<em>骨架</em>从前面的内容中，我们已经看到Python的一行代码写完之后，不需要额外加一个的;进行说明。在Guido设计语言时，为了避免输入太多的括号或者关键字，Python中使用缩进来区分代码块，建议使用四个空格进行缩进（不要使用Tab和空格混排）。就像我们在“练手小游戏”一节里看到的那样。这样做无疑强制增加了代码的可读性，同时一行代码的建议长度是80个字符，如果超过80个字符可以在第一行的末尾使用连接
- 基于轮廓的三维骨架重建方法和核心代码
- 背景（为什么要这么做？）： 目前获取三维数据的方法很多，比如：双目视觉技术，深度相机等等。 但是存在一个问题：数据量巨大！如果要做在线检测，那速度很可能达不到要求。 总思路： 用二维的数据来表示三维数据（数据量从n3降到n2）。
- 计算机视觉-手写识别-数字提取
- 转载：http://www.tboox.org/cn/2016/07/30/hnr-extract-digital/
- 数字图像处理（七）形态学处理之击中击不中变换、骨架提取
- 一. 击中击不中变换击中击不中变换是形状检测的一个基本工具，先看定义一般来说，设给定原图像X中包含A在内的多个不同物体，假设定位目标A，为此设置一个形状模板A，此时取一个比A稍大的B，且A不与B的边缘相交，令B1=A,B2=B-A;如下图所示：<em>算法</em>步骤一、开三个内存缓冲区，用来保存原图像数据，结构元素H对原图像的腐蚀结果，结构元素M对原图像补集的腐蚀结果二、保存原图像数据，用结构元素H对原图像腐蚀...
- 图像处理实例
- 图像处理<em>骨架</em><em>提取</em>实例，图像处理<em>骨架</em><em>提取</em>实例，图像处理<em>骨架</em><em>提取</em>实例
- 三维图像细化算法
- 专业的三维图像细化<em>算法</em>，6次子迭代，<em>提取</em>图形<em>骨架</em>！
- 基于OpenCV实现二值图细化，骨骼化并求出端点和交叉点
- 所谓细化就是经过一层层的剥离，从原来的图中去掉一些点，但仍要保持原来的形状，直到得到图像的<em>骨架</em>。<em>骨架</em>，可以理解为物体的中轴，例如一个长方形的<em>骨架</em>是它的长方向上的中轴线；正方形的<em>骨架</em>是它的中心点；圆的<em>骨架</em>是它的圆心，直线的<em>骨架</em>是它自身，孤立点的<em>骨架</em>也是自身。得到了<em>骨架</em>，就相当于突出物体的主要结构和形状信息，去除了多余信息，根据这些信息可以实现图像上特征点的检测，如端点，交叉点和拐点。 下面先介绍经
- 行为识别 人体骨架检测+LSTM
- 转自http://geek.csdn.net/news/detail/138011 在人工智能研究领域，这一技能叫人体行为识别，是智能监控、人机交互、机器人等诸多应用的一项基础技术。以电影提到的老人智能看护场景为例，智能系统通过实时检测和分析老人的行动，判断老人是否正常吃饭、服药、是否保持最低的运动量、是否有异常行动出现（例如摔倒）, 从而及时给予提醒，确保老人的生活质量不会由于
- 3D模型的骨架提取
- 这是一篇介绍虚拟人生成模型中3D<em>骨架</em>模型的生成方法的文章，值得一看。
- 基于CNN的文字识别--总结
- 一 网络结构 <em>文字</em>识别（非<em>手写</em>体）相对容易，ＣＮＮ网络结构基本４层就可以跑出较好的结果；模型收敛也较为容易，加上dropout收敛也很快，一两个小时就能收敛到９０％多（ｔｉｔａｎＸ）.二 训练样本 当然，人力、财力、时间有保证的话，收集实际样本效果肯定会好些，没这些条件的话，人工生成样本也不错。一个字几百上千个样本基本靠谱，但是，要注意样本最好要hard。三 经验 1 由于验证集、训练集都是
- 基于拉普拉斯算子的点云骨架提取
- 基于拉普拉斯算子的点云<em>骨架</em><em>提取</em>！ 基于拉普拉斯算子的点云<em>骨架</em><em>提取</em>！
- 骨架提取工程文件VS2010+opencv3.0
- 实现图像<em>骨架</em>的<em>提取</em>，类似于matlab的bwmorph的skel<em>骨架</em><em>提取</em>
- Kinect2入门+opencv画骨架+骨架数据
- 利用opencv绘制kinect2的<em>骨架</em>，适合那些对于Direct2D不熟悉的同学
- OpenCV骨架提取
- 基于OpenCV写的<em>骨架</em><em>提取</em><em>算法</em>,<em>算法</em>具体是利用数字图象处理中的一个<em>算法</em>,实现后有很好的 <em>提取</em>效果,但是时间复杂度较大,效率较低
- 三维细化提取骨架线程序
- 细化<em>提取</em>血管中心线，itk读取和输出mhd图像，最终生成血管中心线树结构
- 基于Kinect的骨架提取及姿势识别
- 基于Kinect的<em>骨架</em><em>提取</em>及姿势识别，用于简单的体感控制
- 国外ocr手写文字识别系统
- 国外ocr<em>手写</em><em>文字</em>识别系统，十分小巧，实用VB语言编写。
- 用形态学方法提取骨架线
- 用形态学方法<em>提取</em><em>骨架</em>线的matlab源程序，可在matlab6.5版本及以上调试通过，作为形态学学习者的参考资料。
- Kinect开发教程五：OpenNI获取人体骨架
- 转于：http://blog.csdn.net/chenxin_130/article/details/6950480 临近毕业，小斤最近一直忙活着相关事宜，教程这边也搁浅了一阵。前几篇教程介绍了OpenNI的一些基本范例以及手势应用，但如果光用Kinect识别一些手势，总有点杀鸡用牛刀的感觉。在大部分体感应用中，获取<em>骨架</em>的步骤都不可缺少，这也是小斤一直想写的专题。 好了，废话不多说了
- Java使用Tess4J 进行图片文字识别
- http://blog.csdn.net/qq_31863683/article/details/51864739 Java使用Tess4J 进行图片<em>文字</em>识别 笔记 博客分类： J2SE 最近的工作中需要使用到从图片中识别<em>文字</em>的操作,就在网上找到到Tess4j.那么,现在来总结一下使用中遇到的问题. 关于Tess4J简价: http://tess4
- 基于深度学习的３D骨架动作识别
- 关于２Ｄ视频动作识别，请移步这两篇博客1,博客2 ３Ｄ<em>骨架</em>动作识别，现在主要有两种方法，一是用ＬＳＴＭ进行时序上的记忆，二是将<em>骨架</em>坐标转换成特殊的图片，用卷积网络进行特征<em>提取</em>以及记忆。 目前使用的最大最全的数据集是NTU-RGBD，后来又出现了一个，但这个数据集是一段视频包含多段动作，主要是用来做detection的。 基于lstm的３d<em>骨架</em>动作识别 因为<em>骨架</em>信息是３Ｄ坐标，两帧之间的变化...
- 手写汉字骨架提取
- 这是一个成功的对汉字图像进行<em>骨架</em><em>提取</em>的应用程序。
- 图片中的字符分割提取(基于opencv)
- http://www.niwozhi.net/demo_c244_i12163.html
- 形态学之骨架算子
- 一个图像的"<em>骨架</em>"是指图像中央的骨骼部分，是描述图像几何拓扑性质的重要特征之一。在求一幅图像X的骨骼过程中应满足两个条件：第一，X应该有规律的缩小;第二，在X缩小的过程中，应当使X的连通性质保持不变的<em>骨架</em>算子介绍1、skeletion(Region:Skeleton::)功能：计算区域的骨骼参数： Region(输入参数)：输入区域 Skeleton(输出参数)：结果区域2、junctions_...
- Matlab实现血管骨架提取
- 以冠状动脉血管为例,用MATLAB进行血管<em>骨架</em><em>提取</em>,包括血管分割技术,去除背景
- 编写的轮廓提取的C++程序
- 轮廓<em>提取</em>的方法，是用C++程序编写的，用于物体图像的形状轮廓的处理。
- kinect实现骨架提取和显示，亲测可用，好资源
- kinect实现<em>骨架</em><em>提取</em>和显示，亲测可用，代码绝对管用，非常好的资源
- itk中的特征提取算法（一）
- 在计算机视觉中，特征<em>提取</em>是一个很重要的领域。而图像中被<em>提取</em>目标的边缘是它的几个重要特征之一，边缘标定了目标的位置范围，经常被用作图像匹配。 下面是几种通用的边缘检测算子（直接copy来的，若有差错，请指出）： 一阶：Roberts（Cross）算子，Prewitt算子，Sobel算子， Kirsch算子，罗盘算子； 二阶：Marr-Hildreth（LOG）算子，Canny算子，Laplac
- OCR(脱机手写汉字识别与印刷汉字识别)
- 4 “最后的堡垒”——脱机<em>手写</em>汉字识别4.1 攻克堡垒待创新脱机<em>手写</em>汉字识别的用途是把<em>手写</em>字符用字符阅读器自动输入计算机，常用于信函分拣、银行支票识别和统计报表处理以及<em>手写</em>文稿的自动输入。从工作原理上说，脱机<em>手写</em>汉字识别和印刷汉字识别是一样的。但是由于<em>手写</em>汉字字形变化大，上一章中介绍的各种印刷汉字识别特征和方法不完全适用，目前也还没有一套行之有效的识别方法。这是汉字识别最困难的问题，被认为是模式识
- 手写的文字怎么进行识别
- 我们<em>手写</em>的<em>文字</em>想转换到电脑的文档里面，我们就会找一些工具进行<em>手写</em><em>文字</em>识别，下面给大家推荐一款在线进行<em>手写</em><em>文字</em>识别的软件-迅捷PDF在线转换器，下面我们就用这款在线转换器操作一下<em>手写</em><em>文字</em>识别的过程。 1：将自己<em>手写</em>的<em>文字</em>准备好，放在电脑的桌面或者指定的文件夹中。然后在浏览器打开迅捷PDF在线转换器的网站。 2：在网站首页导航栏的位置找到OCR识别，点击OCR识别就会看到<em>手写</em><em>文字</em>识...
- 如何用 FreeType 装载一个字形图像
- 转自：skdkjxy的博客http://blog.sina.com.cn/s/blog_8795b0970101idpq.html3.7.1 把一个字符码转换为一个字形索引通常，一个应用程序想通过字符码来装载它的字形图像。字符码是一个特定编码中代表该字符的数值。例如，字符码 64 代表了 ASCII 编码 中的’ A ’ 。一个 face 对象包含一个或多个字符表 (charmap) ，字符表是
- 用matlab实现汉字的笔画细化算法.zip
- 用matlab实现汉字的笔画细化用matlab实现汉字的笔画细化<em>算法</em>
- 人体骨骼坐标在彩色图像中显示
- // YeNite2SimpleUsingOpenCV.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include // OpenCV 头文件 #include #include #include #include #include using namespace std; using namespace openni;
- 二值图像--形态学处理4 击中，边界提取，孔洞填充，连通分量提取，凸壳，细化，骨架，形态学重建
- 学习DIP第14天 转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。。。。。。。。 开篇废话 其实写博客是个很痛苦的过程，要准备一些东西，还怕写错会误导别人，但是在总结和准备相关资料的时候会更深入的理解其中的一些<em>算法</em>原理，然后再根据自己的实际操...
- TensorFlow 手写字识别（转载）
- 使用Tensorflow和MNIST识别自己<em>手写</em>的数字2017年03月27日 06:17:32阅读数：28948使用Tensorflow和MNIST识别自己<em>手写</em>的数字最近在学习神经网络相关的东西，发现有很多资料是Tensorflow教程上的内容，但是教程很多只是一个验证官方程序的过程。如何将官方程序变成自己可以利用的程序，网上似乎资料比较少，所以我就来介绍一下如何使用Tensorflow和MNIS...
- 使用Matlab对二值图像进行轮廓提取
- 参考资料 [1]
- [Mo]OpenNI+OpenCV处理kinect深度图，获取手掌骨架图像
- OpenNI+OpenCV处理kinect深度图，获取手掌<em>骨架</em>图像 作者：moc062066 http://blog.csdn.net/moc062066 网上流行的版本都是用不了的，更改了相应代码，能运行处结果。发上来大家一起探讨探讨。//做了一些相应的修改，具体请看代码。 直接上代码：
- 特征骨骼提取识别视频中的动作
- 1、重新设计CSV数据、存储结构 2、全新特征结构，左右两边分别11组，共22组 //RHand RWrist RElbow RShoulder //dRHand dRWrist dRElbow dRShoulder //d(RHand - RWrist) d(RWrist - RElbow) d(RElbow - RShoulder) //共计11组 版本2.1.1
我们是很有底线的