搜索资源列表
车牌识别
- 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程 应用程序生成--》
一维条形码打印系统
- 条形码的生成原理： 条形码的第一数据部分是由 7个数字形成的，其形成的方法详述如下： n 首先使用 产生和 匹配的字母码，该字母码有6个字母组成，字母限于A和B。产生字母码的列表如下 字母码 0 AAA 1 AABABB 2 AABBAB 3 AABBBA 4 ABAABB 5 ABBAAB 6 ABBBAA 7 ABABAB 8 ABABBA 9 ABBABA 表一 映射表 n 将 和 产生的字母码按位进行搭配，来产
200561555616250020000
- 车牌识别系统 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向
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
BP网络
- 这是我参考了n(n>=5,^_^)篇BP神经网优化方法的论文写出的BP神经网源代码，使用了批处理训练方法，带动量项、学习速率的自适应调整、仅对学习精度没有达到指定要求的模式训练，并且训练精度逐步加大，通过这种方法，极大地加快了训练速度；另外，对于0模式和1模式数目相差很大(5-6倍)都能达到很高的学习精度。-This is my reference to the n (NGT; Chapter 5 = ,^_^) BP neural network optimization method
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
matlab-5
- 1了解图像变换的意义和手段； 2熟悉离散傅里叶变换、离散余弦变换、离散小波变换的基本性质； 3熟练掌握图像变换的方法及应用； 4通过实验了解二维频谱的分布特点； 5通过本实验掌握利用MATLAB编程实现数字图像的变换。 -An understanding of the meaning and image transformation means 2 familiar with the discrete Fourier transform, discrete cosine t
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
cbsb
- 一些开发车牌识别的资料，很有用，1。车牌识别中的二值化及快速倾斜校正算法2。车牌字符识别算法毕业设计3。基于HSI空间的车牌字符分割4。汽车牌照实时几何畸变校正方法5。一种实用快速的车牌字符分割方法-Some developed license plate recognition data, very useful, 1. License Plate Recognition binarization and fast skew correction algorithm 2. Graduation
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
v1s-0.0.5.tar
- V1S 0.0.5 -- Basic V1-Like (simple cells) Object Recognition System -Why is Real-World Visual Object Recognition Hard? (2008) Pinto N, Cox DD, DiCarlo JJ PLoS Computational Biology Vol. 4, No. 1, e27 doi:10.1371/journal.pcbi.0040027 Es
Identification-of-RMB-value
- 可识别1 5 10 20 50 100币值的人民币（黑色或白色背景照片）文件中以附几张照片 输入照片名测试即可-Identify currency 15,102,050,100 yuan (black or white background photo) file can be attached a few photos import photos test
jTessBoxEditor-1.5
- jTessBoxEditor-1.5，用于Tesseract-OCR的traineddata字库训练和生成。(Training tool for Tesseract-OCR.)
FaceTools-master (1)
- 用于人脸检测，裁剪，对齐的方便工具，用的是5点法(Face detection, clipping, and alignment)
jTessBoxEditor-1.5-src
- jTessBoxEditor 1.5源码(jTessBoxEditor 1.5 source)
人脸识别_Demo_SDK
- 1. 人脸检测的高正确率，误检，漏检很少，支持多脸（max=32）。 平面旋转高达 60 度，并带鼻，嘴定位，及眼镜判断等功能。 2. 支持双目(双摄像头)/多目的 3D 维度识别,增加了人脸的特征集,再次提高识别精度,并有效防止照片通过。 3. 人脸识别的高精度，向用户推荐的识别阀值不仅能适应光线环境的变化，具备满足实际应用的识别正确率。带 眼镜或头发挡住眉毛都行。（但黑粗边眼镜的识别率相对低些，即在较好的识别环境下，黑粗边眼镜仍是 OK 的，只要看得清眼球，就对识别率没有任何影响） 4. 在