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
stabbing
- 给定n维空间中的m个非空点集S1，…，Sm，如果直线L与每个点集均有公共点，则称L为这m个点集的一条直线穿越（line transversal 或 stabbing line）。同样，如果线段K（本文中的线段均指闭线段，且包括单点集）与每个点集均有公共点，则称K为这m个点集的一条线段穿越（segment transversal 或 stabbing line segment）。穿越的概念是海莱定理（Helly’s theorem）的延伸，它的存在性等问题一直是计算几何中海莱类定理（Helly-t
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
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
车牌定位
- 车牌定位系统是进行车牌自动识别的重要一部分能正确的获得整个图象的车牌部分 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
ApplicationsOfDepth-FirstTraversal
- 1. 用ＤＦＳ判断一个无向图是否是连通图； 2. 为有向图的边分类，将它们的边分为前向边、后向边和交叉边； 3. 用ＤＦＳ和点消除求有向图的拓扑排序； 4. 判断有向图是不是强连通图，若不是，求强连通分量； 5. 判断有向图是不是半连同图； 6. 判断有向图是不是单连通图； 7. 判断无向图是不是双连通图。 通过以上编程对ＤＦＳ的应用，进一步了解ＤＦＳ的算法及它所代表的算法思想。 -1. Using DFS to test if a given undirecte
LicensePlateRecognition
- 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
image
- 应用matlab或VC语言编制图像处理软件，软件功能如下： 一、实验类型 1． 读入图像，并对灰度图像或彩色图像进行显示，对彩色图像可以转化为灰度图像；（8学时） 2． 对读入的图像可以实现减小和提高图像分辨率的功能（16学时） 3． 计算灰度图像的直方图并进行显示，讨论不同图像灰度分布的直方图特征（16学时） 4． 对上述图像进行直方图均衡化处理，分析直方图均衡化的处理结果；（16学时） 5． 对给定的彩色图像，显示其R、G、B三分量图像的噪声图像及H、S、I三分量完成
gaborfilter.tar
- Gabor滤波器经常被用于形状检测和特征提取，比如增强指纹图像。本代码用matlab实现了一个二维Gabor滤波器。 代码使用如下： function [G,gabout] = gaborfilter1(I,Sx,Sy,f,theta) from gaborfilter1 with different f(Frequency) and theta(Angle). for example f:0,2,4,8,16,32 theta = 0,pi/3,pi/6
chepaichuli
- 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
- 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
sift
- 1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctive
JPEG-EncodeaDecode
- 按如下说明使用此代码： 1.将BC45.rar解压到D:2.将JPEGCode解压到D:3.解压1.Src(自己整理的).rar到D:\JPEGCode目录下 4.运行批处理Build 5.cd src 6.编译生成可执行程序(make) 7.测试代码(make test) 8.清除编译过程文件，包括可执行程序(make clean) 9.体会原版配置编译过程 a)删除3.解压目录 b)解压2.Src(原版).rar到D:\JPEGCode目录下 c
zhifangtupipei
- 把原图像的直方图按照给定的直方图加以映射，使新图像的直方图的分布类似于给定的函数。 总共有以下几步： 1.求给定的函数的累积直方图s。 2.求原图像的累积直方图G。 3.求s中每一个值在G中距离最小的位置index。 4.求原图像每个像素通过index映射到的新像素的值。-The histogram of the original image to be mapped, in accordance with the histogr
Solution1
- 高频强调滤波和灰度变换进行图像增强： 1. main.m 主程序 2. paddedsize.m 对图像进行补充，以便形成的方形大小等于最小接近的2的整数次幂。 3. dftfilt.m 输入图像f和一个滤波器函数，返回经过滤波和剪切后的图像g。 4. dftuv.m 提供频域坐标网格。 5. lpfilter.m 几种常用的低通滤波器。 6. hpfilter.m 实现高通滤波。 7. BodyImage.JPG 测试用图片 注： 1. 运行程序前，请在ma
License-plate-location
- 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