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
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
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
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
Programs
- 2、图像增强： 图像增强也称为图像锐化，其目的是为了加强图像中的轮廓边缘等细节信息。 与图像平滑一样，也可分别在空域和频域进行图像增强。 在空域中进行图像锐化： 将原图像与 相减可以得到经过锐化处理的图像g(i,j)，即： g(i,j)= f(i,j)- = f(i,j)-α[f(i+1,j)+ f(i-1,j)+ f(i,j+1)+ f(i,j-1)-4 f(i,j)] = f(i,j)+4α[f(i,j)- ] 这里，α为可选择的用于控制锐化程度的因子
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
用bandelet进行图像分割的matlab代码
- A Matlab Tour of Second Generation Bandelets 附有每部分代码的说明 function x = perform haar transform(x, dir); x = x(:); % to be sure we have a column vector J = floor( log2(length(x)) ); % number of scales if dir==1 % forward transform for j=1:J c = x(
EmdL1_v2
- NOTES: 1. This implemention borrowed some basic framework from Rabner s original EMD code. 2. Histogram matrices are assumed to be arranged in the "matlab" style, i.e, the [i,j,k]-th element is located in the position i*(n2*n3) + j*(n3
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
LucasKanadeTracker
- Lucas-Kanader-Tomasi Feature Tracker，基于B.D.Lucas和T.Kanade[1]于1981的早期工作，于1991年由C.Tomasi和T.Kanade[2]完整导出，并于1994年由J.Shi和C.Tomasi[3]在文章中清楚地阐述。J.Y.Bougue[4]于2000年给出了此算法的一种实现，并收录在Intel公司的计算机视觉函数库OpenCV中。本例是此算法基于OpenCv的代码实现-Lucas-Kanader-Tomasi Feature Trac
RGB-and-HIS
- HIS与RGB的转换 lpsrc=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-i)+3*j b=*lpsrc lpsrc=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-i)+3*j+1 g=*lpsrc lpsrc=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-i)+3*j+2
2--Image-registration-thesis--2012
- 网上汇总已发表的关于图像配准的国内期刊论文【2】，年份为2012年，只做学习交流参考之用，引用时请注明原创作者，否则后果自负。-Domestic J-line summary has been published on image registration [2], the year of 2012, only to learn the exchange of reference, reference, please indicate the original author, or peril.
2
- ：刚像修复足指重建损坏的I訇像业女除粥像巾币需要的对蒙的过程。我们需 要采取蛙适当的方，℃修补县原始状忐帕l锢形，同时确保修补结果达到最佳的艺术 效果或者说视觉效粜。日前有一嗤比较流行的修复打法．如基于偏微分力程的修 复理沦或壁于纹理台成的修复理f}色．它们分别在细节修复和规则纹理修复案例中 仃良好的表现。假在受损区域过大或完全丢失了个语义片段的情况卜，邢些传 统方法常常难以胜任。柱J比较从待修复l刘像自身款取信息进行修补，使用从其他 图像内弁叶】引入新的信息柬修复艘损图
9-(2)
- 传统的图像修复算法速度慢, 对大面积的破损区域修复效果较差. 本文针对 这一缺点, 首先对待修复图像进行小波分解, 使得图像的破损区域在低频部分留下 的空洞大为缩小, 然后利用基于快速行进法( FM M) 的图像修复算法修复低频部分 的破损区域, 再利用低频信息来预测相应的高频信息, 最后进行小波重构, 并对受 损部分进行自然化处理, 得到修复的图像. 仿真实验结果表明, 本文提出的算法速 度快, 修复结果基本恢复了原有的视觉效果.-Chan T , Ng M , Yan A
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