实例介绍
【实例简介】
对于图像分割的研究，用马尔科夫随机场能得到更好地图像分割，用于能得到我们想要的任何东西
【实例截图】
【核心代码】
77433624EM-MRF-ICM
└── EM-MRF-ICM
├── A Markov random field image segmentation model for color textured images.pdf
├── c1.bmp
├── chisq.m
├── covmatrix.m
├── doog.m
├── EnergyOfFeatureField.m
├── EnergyOfLabelField.m
├── gaussian.m
├── GMM_parameter.m
├── histproc.m
├── ICM.m
├── i.jpg
├── main.m
├── Markov Random Field Texture Models.pdf
├── Minimax principle and its application to texture image modeling.pdf
├── MRF Model-Based Algorithms For Image Segmentation.pdf
├── NeiX.m
├── pca.m
├── postproc.m
├── preprocfast.m
├── rescalegray.m
├── Unsupervised texture modeling using MRF.pdf
├── UNSUPERVISED VECTOR IMAGE SEGMENTATION BY THE ICM METHOD .pdf
├── 实验图片
│ ├── 4.bmp
│ └── c1.bmp
└── 实验结果
├── 1.jpg
├── 2.jpg
├── 3.jpg
├── 4.jpg
├── 5.jpg
├── 6.jpg
└── c1.bmp
3 directories, 32 files
对于图像分割的研究，用马尔科夫随机场能得到更好地图像分割，用于能得到我们想要的任何东西
【实例截图】
【核心代码】
77433624EM-MRF-ICM
└── EM-MRF-ICM
├── A Markov random field image segmentation model for color textured images.pdf
├── c1.bmp
├── chisq.m
├── covmatrix.m
├── doog.m
├── EnergyOfFeatureField.m
├── EnergyOfLabelField.m
├── gaussian.m
├── GMM_parameter.m
├── histproc.m
├── ICM.m
├── i.jpg
├── main.m
├── Markov Random Field Texture Models.pdf
├── Minimax principle and its application to texture image modeling.pdf
├── MRF Model-Based Algorithms For Image Segmentation.pdf
├── NeiX.m
├── pca.m
├── postproc.m
├── preprocfast.m
├── rescalegray.m
├── Unsupervised texture modeling using MRF.pdf
├── UNSUPERVISED VECTOR IMAGE SEGMENTATION BY THE ICM METHOD .pdf
├── 实验图片
│ ├── 4.bmp
│ └── c1.bmp
└── 实验结果
├── 1.jpg
├── 2.jpg
├── 3.jpg
├── 4.jpg
├── 5.jpg
├── 6.jpg
└── c1.bmp
3 directories, 32 files
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论