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
511
- 矩阵中的每一个元素称为像元、像素或图像元素。而g(i, j)代表(i, j)点的灰度值，即亮度值。 由于g (i, j)代表该点图像的光强度（亮度），而光是能量的一种形式，故g (i, j)必须大于零，且为有限值，即： 0＜=g (i, j)＜2n。 用g (i, j)的数值来表示(i, j)位置点上灰度级值的大小，即只反映了黑白灰度的关系。 数字化采样一般是按正方形点阵取样的， -each of the matrix elements known as a pixel, pixe
611
- 矩阵中的每一个元素称为像元、像素或图像元素。而g(i, j)代表(i, j)点的灰度值，即亮度值。 由于g (i, j)代表该点图像的光强度（亮度），而光是能量的一种形式，故g (i, j)必须大于零，且为有限值，即： 0＜=g (i, j)＜2n。 用g (i, j)的数值来表示(i, j)位置点上灰度级值的大小，即只反映了黑白灰度的关系。 数字化采样一般是按正方形点阵取样的， -each of the matrix elements known as a pixel, pixe
Diffusion
- This toolbox has functions to perform nonlinear diffusion images. This kind of image filtering is particularly useful for reducing noise and to simplify images for further segmentation. Much of these functions are based on Perona and Malick s work, a
improved_gaborfilter
- Bi-dimensional Gabor filter with DC component compensation This version of the 2D Gabor filter is basically a bi-dimensional Gaussian function centered at origin (0,0) with variance S modulated by a complex sinusoid with polar frequency (F,W) an
Nunes
- Nunes J.C编写的经验模态分解，用于二维图像处理。
Gray
- 图像格式转换的源码，用于图像不同格式的转换，如转换公式为Gray(i,j)=0.11*R(i,j)+0.59*G(i,j)+0.3*B(i,j)，其中Gray(i,j)为转换后的黑白图像在（i,j）点处的灰度值，其中绿色所占的比重最大，所以转换时可以直接使用G值。
Some_extra_image_logical_operations.1
- Logic operations such as $I > J$, where I and J are images are useful when generating masks. This submission includes $==$, $>$, $>=$, $<$ and $<=$ filters based on the existing logic filters. This is a very minor submission - there ma
weituqiege
- 本程序用if(Fig(i,j)>=grayvalue&&Fig(i,j)<(grayvalue+block))来进行判断，实现８个位图的切割．利用了ｆｏｒ循环，程序较为简单．
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
rcut-0.2
- An image segmentation software package based on the paper: S. Wang, J. M. Siskind, Image Segmentation with Ratio Cut, IEEE Transactions on Pattern Analysis and Machine Intelligence
balanced
- 所谓直方图就是在某一灰度级的象素个数占整幅图像的象素比 h=nj/N,其中nj是灰度级在j的象素数，N是总象素数，扫描整幅图像得出的h的离散序列就是图像的直方图，h求和必然＝1，所以直方图可以看成是象素对于灰度的概率分布函数。
IP_FFT_matlab
- 加深对图像变换的理解。计算图像的傅立叶变换J，进行频谱搬移并显示；计算J的逆变换IFFT，并显示。
IP_DCT_matlab
- 加深对图像变换的理解。计算图像的离散余弦变换J；设置不同的量化门限，计算其逆变换IDCT，并显示。
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
zhongzhi
- 中值滤波代码！中值滤波是在1971年有J.W.Jwkey首先提并应用的在一维信号处理技术中(时间序列分析),后来被图像信号处理技术所引用.在一定的条件下,可以克服线性滤波器如最小均方滤波、平均值滤波等所带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效。特别适用在有很强的胡椒粉式或脉冲式的干扰时，因为这些干扰值与其邻近像素灰度有很大差异，因此经排序后取中值的结果是强迫将次干扰变成与其邻近的某些像素的灰度值一样，达到去除干扰的效果。在实际运算过程中并不需要图像的统计特性，这也是带来不少方
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-
J-ICE-2.2.0
- J-ICE: The 1st online viewer for Crystallographic and Electronic properties. It allows users to visualize, build and manipulate complex input or output results (derived from modelling) entirely via a web server, i.e., without the burden of installing