Рекомендуемая категория для самостоятельной подготовки:
Курсовая работа*
| Код |
592021 |
| Дата создания |
2021 |
| Страниц |
30
|
Мы сможем обработать ваш заказ (!) 15 ноября в 12:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
Аннотация 6
Annotation 7
Введение 9
1 Поиск объекта по цвету — RGB 10
1.1 Постановка задачи 10
1.2 Функционирование порогового преобразования 12
1.3 Использованные функции 16
2 Поиск объекта по цвету 18
2.1 Цветовое пространство HSV 18
2.2 Определения минимальных и максимальных значений каналов HSV 20
2.3 Использованные функции 24
2.4 Детектирование кожи человека 26
Заключение 29
Список используемой литературы 30
Введение
Цвет — качественная субъективная характеристика электромагнитного излучения оптического диапазона, определяемая на основании возникающего физиологического зрительного ощущения и зависящая от ряда физических, физиологических и психологических факторов. Восприятие цвета определяется индивидуальностью человека, а также спектральным составом, цветовым и яркостным контрастом с окружающими источниками света, а также несветящимися объектами. Очень важны такие явления, как метамерия, индивидуальные наследственные особенности человеческого глаза (степень экспрессии полиморфных зрительных пигментов) и психики.
Фрагмент работы для ознакомления
Задача развертывания цветовых характеристик изображений имеет большое количество приложений в различных областях. Повышенный интерес к данной технологии вызван проблемами общественной безопасности, развитием человеко-машинных интерфейсов. Что важно, во многих случаях для достижения приемлемого качества изображений не требуется дорогостоящее специфическое оборудование: источниками образцов могут служить фотографии или видеозаписи, сделанные непрофессиональной камерой. Этот факт породил новый вид задач, связанных с поиском информации в глобальной сети
Список литературы
[1] Bradley, D. Adaptive Thresholding Using the Integral Image / D. Bradley, G. Roth
// Journal of Graphics Tools. – 2007. – №12. – P. 13-21.
[2] Огнев, И. В. Обработка изображений методами математической морфологии
в ассоциативной осцилляторной среде / И. В. Огнев, Н. А. Сидорова //
Технические науки. Информатика и вычислительная техника. – 2007. – №4. – С.
87-97.
[3] Gonzalez, R. С. Digital Image Processing / R. С. Gonzalez, R. E. Woods //
Hardcover from Prentice Hall. – 2002.
[4] Haralick, R. M. Image Segmentation Techniques / R. M. Haralick, L. G. Sapiro //
Computer Vision, Graphics and Image Processing. – 1985. – №29. – P. 100-132.
[5] Kass, M. Snakes: Active Contour Models / M. Kass, A. Witkin, D. Terzopoulos //
International Journal of Computer Vision. – 1987. – №1. – P. 321-331.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00435