搜索资源列表
plateloc
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一
lookup_multi
- //4×4 查找表乘法器 module mult4x4(out,a,b,clk) output[7:0] out input[3:0] a,b input clk reg[7:0] out reg[1:0] firsta,firstb reg[1:0] seconda,secondb wire[3:0] outa,outb,outc,outd always @(posedge clk) begin firsta = a[3:2] se
chaincode
- 1.首先将原始图档(如图三)由RGB彩色模型转换成HSI彩色模型，取其 I 亮度模型。 2.再萃取出亮度值大于0.999之部份，进行数次膨胀与侵蚀运算后，即可取得火焰部份(如图四)。 3.图四之火焰影像进行边缘运算，并找出边缘之每一点坐标，再将坐标排序，取最小值作为链码的启始点(如图五之红色星号)。 4.链码产生的方式：沿边缘依逆时针的顺序扫瞄下一个边界值，并依序输出链码(如图七)。-1. First, the original drawing (Figure 3) from R
mfiles
- < matlab教程7.1>>中所有matlab源程序
3
- 第三章 MATLAB 图形对象 3.1 图形对象 3.1.1 Root 对象 3.1.2 Figure 对象 3.1.3 Uicontrol 对象 3.1.4 Uimenu 对象 3.1.5 Axes 对象 3.1.6 Image 对象 3.1.7 Line 对象 3.1.8 Patch 对象 3.1.9 Rectangle 对象 3.1.10 Surface 对象 3.1.11 Light 对象 3.1.12 Tex
Image_Operators_matlab_codes
- 12.1 图像点的运算 12.1.1 线性点运算 12.1.2 非线性点运算 12.2 图像的算术运算 12.2.1 加法运算 12.2.2 减 法运算 12.2.3 乘法 运算 12.2.4 除法 运算 12.2.5 其它运算 12.3 图像的位逻辑运算 12.4 图像的几何运算 12.4.1 图像插值 12.4.2 图像缩放 12.4.3 图像旋转 12.4.4 图像剪切 12.5 空间变换 12
chepaidingwei
- 一个很好的车牌定位 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最
siftpp-0.7.1.tar
- 图像特征点提取算法。国外一个博士写的C++代码
halcon_7.1_quickguide_chinesemanual
- HALCON 专业的图像开发包，这是7.1版本的中文教程，包括开发包设置和图像处理算法的介绍说明
chap12
- 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性
chepaidingwei
- 很好的车牌识别代码 。具体步骤： 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0
chepaidingwei
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区
num_identify
- 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-
chap12
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
1082
- Problem Descr iption 二值图像是由黑白两种像素组成的矩形点阵，图像识别的一个操作是求出图像中最大黑区域的面积。请设计一个程序完成二值图像的这个操作。黑区域由黑像素组成，一个黑区域中的每个像素至少与该区域中的另一个像素相邻，规定一个像素仅与其上、下、左、右的像素相邻。两个不同的黑区域没有相邻的像素。一个黑区域的面积是其所包含的像素的个数。 Input 输入由多个测试例组成。每个测试例的第一行含两个整数n和m, (1 <=n,m<=100), 分
1
- 车牌定位 牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置 具体步骤 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。
gdal2.1.3-x64-release
- GDAL2.1.3 window 10平台， VS2017编译，64bit release版本。可以直接使用。编译库中集成有ECW 5.3，GEO3.6.1，HDF4.2.6，HDF51.8.7，proj4.9.3，sqlite3.18，TX_SDK_3.07.0.0。编译这些子库比较麻烦，这里都是按照64bit编译最后集成于64bit GDAL，欢迎志同道合的人使用。-GDAL2.1.3 window 10 platform, VS2017 compiler, 64bit version of
1.3 图像的边缘检测
- 1.3-1 a=imread('xinglong.jpg'); a=rgb2gray(a); e=log_edge(a,0.25) 1.3-2 a=imread('lena.bmp'); e=canny_edge(a,0.25); 注：该程序要求输入的图像的长、宽应相等。 1.3-3 为1.3-2的子程序 1.3-4 im=imread('lena.bmp'); image_out = susan(im,0.25); 1.3-5 为1.3-4的子程序
Activation mikroC PRO for PIC 7.1
- How to Activation mikroC PRO for PIC 7.1
jakarta-tomcat-4.1.31-src
- jakarta-tomcat-4.1.31-src.zip ... fh.rar - 用浮动水平线法实现的三维曲面造型。 (2004-7-2，C, 2KB, 下载9 ... 查看评论】 nurbs++-3.0.11.zip - 一个nurbs的开发库,包含了nurbs曲线、曲面的源代码 ... BSplineDemo. rar - 用vc编写的一个B样条曲线算法，根据鼠标输入的点动态绘制B样条曲线 ... (JAKARTA- tomcat- 4.1.31- src.zip ... fh.r