搜索资源列表
CardRecognization
- 车牌识别系统 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。
reply_1_1007847
- 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
detect_vc++_
- 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
FaceDetection
- 对一幅带有人脸信息的24位真彩色bmp文件,通过基于肤色信息的彩色图象分割法,对人脸区域的检测,以及区域标定
paizhaozidongshibie
- 图像分割是图像处理最基本和最重要的技术，是任何理解系统和自动识别系统 必不可少的一个重要环节.车牌以及车牌字符的提取是图像分割技术的一个特殊应 用场合，它包括车牌的定位和车牌字符的切分两个步骤。本章将对这两个步骤的算 法进行阐述.第一、二节中将分别详细介绍车牌区域的定位、切分技术 由于二值 化算法在字符的提取中具有重要的作用，因此在第三节中将作重点讨论.
detect
- 运动检测的实例，适合初学者，用到帧差法，区域分割等
车牌定位
- 车牌定位 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,以突出牌照区域。 4.削弱背景干扰。对图
车牌定位
- 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定的适应性,能够保证背景基本
detection
- 基于肤色模型的人脸检测程序，通过高斯模型建立相似度函数，再经过最佳阈值法来进行二值化，在经过形态学处理得到人脸区域。-Skin color model based on face detection process, the establishment of the similarity function by the Gaussian model, and then through the optimal threshold method for the two values, obtaine
carcarddetect
- 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
chepaishibie
- 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
platelience
- 车牌识别系统一般包括车牌定位、车牌切分、字符识别三部分，而车牌定位是车牌识别系统的基础和前提，其准确与否直接影响着车牌识别的准确率。本文针对这一关键问题进行了研究，提取了车牌的颜色特征并结合其纹理特征、几何特征以及投影特征进行准确定位。采用HSV颜色模型，利用颜色空间距离相似度计算分割颜色；针对颜色分割后的图像，车牌区域内水平方向上具有的连续跳变的特征，采用行扫描法确定车牌的上下边界；车牌区域内垂直方向具有投影特征，采用垂直投影法确定车牌的左右边界；最后根据车牌的宽高比判断是否是真实的车牌域。实
cardrecognition
- 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
main
- 车牌的定位和识别，从彩色图像直接完成车牌区域的定位，然后形态学的预处理后，经过垂直扫描法完成车牌的分割。-The license plate location and recognition, from color images done directly the license plate area orientation and the morphology of the pretreatment, after a vertical scanning method is used to co
unnamed
- 多类数字识别，将图片分为3*3的区域，在9部分中，通过最小距离法识别测试图片，正确率97 -Many kinds of digital identification, pictures will be divided into 3* 3 area, in nine part, through the minimum distance method identification test images, 97 accuracy
beijing03
- 背景提取，迭代法(Surendra算法）；即采用帧差的方法，一帧图像减去前一帧图像，即可以对比得到图像中变化（移动）的区域，扣除移动的区域，即得到不动的背景。采用多帧图像迭代的方法，得到更加准确的背景。-Background extraction, iterative method (Surendra algorithm) frame difference method is used, an image by subtracting the previous frame, which can
F3_minus
- 三帧差法，在于用较快的情况下，可以提取运动区域-Three frame difference is that with faster under circumstances, can be extracted motion area