搜索资源列表
车牌识别
- 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程 应用程序生成--》
200561555616250020000
- 车牌识别系统 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向
pcafacerecognisematlab
- 人脸检测的方法很多，pca是其中比较有效的一种。本代码主要是使用pca的方法进行人脸检测，可以检测出人脸的位置，数目，大小-Face Detection many ways, the PCA is a more effective. The code is based on the PCA method Face Detection can detect human faces in the number, size
cpvPicScrollOCX3.0
- 这是一个图像显示的用户控件及源代码,可以显示图片,调整图片大小,比较特殊的功能是这个图像控件居然有鹰眼功能,用起来很方便.-This is an image display and user controls the source code, images, adjust the picture size, rather special functions of the Image Control unexpectedly Hawkeye function, together with the
Calibr_2d_plate
- 在计算机视觉中首先一步是计算每个摄像机的参数(外参和内参)，这是重建物体所必须的，这一个过程称为摄像机定标(camera calibration)。这是我自己写的一个简单的采用2维模板(模板是由黑白相间的格子组成，格子大小60cm×60cm)定标的程序，交互性比较好，每个角点通过鼠标点击自动获取。
calibr_3d_plate
- 在计算机视觉中首先一步是计算每个摄像机的参数(外参和内参)，这是重建物体所必须的，这一个过程称为摄像机定标(camera calibration)。这是我自己写的一个简单的采用3维模板(模板是由黑白相间的格子组成，格子大小30cm×30cm，模板必须是三维，否则矩阵奇异)定标的程序，交互性比较好，每个角点通过鼠标点击自动获取。
Otsu
- 在目标和背景的尺寸比例很接近时,应用otsu算法分割效果才比较好,因此对目标进行开窗分割很有意义.也就说在一定窗口大小内对目标进行otsu分割,窗口之外的图像可以不变或者赋为0 程序中分别给出了算法.
Keren
- Keren的运动估计算法。可以精确到亚像素。在右上输入运动量，右下部分可以显示估计的运动量。比较两者可以知道算法的精确度。也可以直接输入两幅大小相同的图片，这时右上部分无效，右下将显示估计的结果。
216
- 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对
纹理模式的LBP特征表示及分类原理
- 通过定义一个模板，对于原图像中的每个点，使用该模板进行操作，模板中心点近邻区域对应的图像象素值与中心位置对应的象素值进行比较，且对于不同位置的比较结果赋予不同的权值，从而，变换图像中对应点的值就由模板对应各位置的比较结果之权和表示。近邻区域的定义通常可以由一个值对（P，R）来描述，其中，P表示区域内包含的采样的象素个数，R表示近邻区域的半径大小。
在VC++中使用OpenGL绘制典型曲面
- 基本几何图元是OpenGL进行建模的最基本的方法，但其对较复杂真实物体的建模则比较困难。对于这些复杂物体的建模，需要用到OpenGL基本库和功能库函数（gl库和glu库）以对图元进行扩展并完成法向计算、曲线生成和曲面构造等内容。这种对基本图元的扩展实际也就是对点、线及多边形的扩展。OpenGL中定义的点可具有不同大小的尺寸，其扩展的函数形式为：
OK
- 图像边缘检测，并求面积，通过比较面积的大小，判断检测的图片是否有压痕-Image edge detection, and for size, by comparing the size of the area to determine whether there is any detection of indentation picture
MapXThread
- mapx+vc基本框架 与各项功能实现 图元查找，修改图元大小，添加标签，创建图元等比较难的功能。图元闪烁-mapx based vc++ have complete it s struct and some higher user
aa
- 本程序中，首先比较输入的a,b的大小，并把大数装入max，小数装入min中，然后再与c比较，若max小于c，则把c赋予max；如果c小于min，则把c赋予min。因此max内总是最大数，而min内总是最小数。最后输出max和min的值即可。-This procedure, the first comparison of the input a, b of the size, and large numbers into the max, a small number of load min, a
TermView
- 图片中的文字提取，包括图像二值化，图像归一化，图像大小压缩，图像细化等处理的C语言代码！有一定的注释，是不可多得的好资料，比较稀缺-Picture of text extraction, including image binarization, image normalization, image size compression, image thinning, such as the C language code to deal with! There are some notes, g
gspm
- 自己本机测试最快时60帧/秒,局域网传输只测试一次,结果很让我失望,原因不明~~~~ 说下我的思路过程(我认为过程很重要!) 分块比较+压缩传输与以前那个内存流比较的优缺点: 内存流比较能找到最精确的找到图片差异,但每次都要压缩相同大小的数据,大家可以测试下,那个算法传输瓶颈是压缩算法,最费时间和CPU 分块比较+压缩传输能有效的减少压缩数据量,但缺点也很明显,比较图片的效率肯定没内存流比较高,要加快传输只能找到更好的算法 我选择的是后者,开始的时候是直接把
ExplodingFlower
- 爆炸万花筒屏幕保护 === === === === === ===== 一个纯代码的功能完整的爆炸万花筒屏幕保护程序，程序演示了可以爆炸很多随机彩色的几何状花朵。这个程序演示了一个完整的屏幕保护程序的编写过程，包括选项设置，可以设置花朵的浓度及爆炸的幅度，花朵的出现的多少，单薄，稀疏，花朵大小，移动速度快慢。支持预览模式参数设置和使用密码保护功能。程序使用 Polygon API函数绘制，速度很快。代码算法也比较经典，值得学习借鉴。-Kaleidoscope Screen Saver =
bitmap_bit
- VC++ 位图大PK程序，两幅BMP图像比较大小，希望能对大家有所帮助 -VC++ big PK bitmap program, comparing the size of two BMP images, hoping to be helpful
xiangguanxishu
- 比较图像信号两种方法的相关系数，并求均值，比较大小。-Compare the image signal correlation coefficient, average
ISimlar
- c++简单图象识别，通过定义参照图象，再将对比图象上传， 将两者按比较大小压压缩，将象素二值化实现。-C++ simple image recognition, through the definition of reference image, and then will be compared to the image upload, according to the comparison of compression and compression, the pixel two value