实例介绍
【实例简介】
C++代码，基于阴影的车辆假设区域生成，主要实现步骤：1.加载一张路面图片；2.加权平均灰度图；3.路面ROI提取（用于作为二值化分割的阈值提取）；4.对路面ROI进行canny边缘提取；5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；6.对步骤5中得到的图片信息进行直方图处理；7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；8.根据标准差和均值信息得到二值化的阈值；9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
【实例截图】
【核心代码】
gaussianfit
└── gaussianfit
├── gaussianfit
│ ├── gaussianfit.vcxproj
│ ├── gaussianfit.vcxproj.filters
│ ├── main.cpp
│ ├── x64
│ │ └── Release
│ │ ├── gaussianfit.log
│ │ ├── gaussianfit.tlog
│ │ │ ├── CL.command.1.tlog
│ │ │ ├── CL.read.1.tlog
│ │ │ ├── CL.write.1.tlog
│ │ │ ├── gaussianfit.lastbuildstate
│ │ │ ├── link.command.1.tlog
│ │ │ ├── link.read.1.tlog
│ │ │ └── link.write.1.tlog
│ │ ├── main.obj
│ │ └── vc140.pdb
│ └── 原图.png
├── gaussianfit.sdf
├── gaussianfit.sln
└── x64
└── Release
├── gaussianfit.exe
├── gaussianfit.iobj
├── gaussianfit.ipdb
└── gaussianfit.pdb
7 directories, 20 files
C++代码，基于阴影的车辆假设区域生成，主要实现步骤：1.加载一张路面图片；2.加权平均灰度图；3.路面ROI提取（用于作为二值化分割的阈值提取）；4.对路面ROI进行canny边缘提取；5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；6.对步骤5中得到的图片信息进行直方图处理；7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；8.根据标准差和均值信息得到二值化的阈值；9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
【实例截图】
【核心代码】
gaussianfit
└── gaussianfit
├── gaussianfit
│ ├── gaussianfit.vcxproj
│ ├── gaussianfit.vcxproj.filters
│ ├── main.cpp
│ ├── x64
│ │ └── Release
│ │ ├── gaussianfit.log
│ │ ├── gaussianfit.tlog
│ │ │ ├── CL.command.1.tlog
│ │ │ ├── CL.read.1.tlog
│ │ │ ├── CL.write.1.tlog
│ │ │ ├── gaussianfit.lastbuildstate
│ │ │ ├── link.command.1.tlog
│ │ │ ├── link.read.1.tlog
│ │ │ └── link.write.1.tlog
│ │ ├── main.obj
│ │ └── vc140.pdb
│ └── 原图.png
├── gaussianfit.sdf
├── gaussianfit.sln
└── x64
└── Release
├── gaussianfit.exe
├── gaussianfit.iobj
├── gaussianfit.ipdb
└── gaussianfit.pdb
7 directories, 20 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