搜索资源列表
ann
- 模式识别神经网络代码。包括: 图像压缩的例子:行程编码算法RCL, 手写体数据变换成像素位图的算法,
grid
- 模式识别的一些预处理知识,包括: 图像压缩的例子:行程编码算法RCL, 手写体数据变换成像素位图的算法
demos
- fvs_enhancer:指纹增强程序,描述了如何使用该库增强指纹图像。原图像和目标图 像都是位图。 fvs_direction:描述了如何提取方向图。输入图像必须是归一化的图像,这样才能 有较好的效果。输出图像覆盖于输入图像之上。 fvs_createtestimages:该程序用来产生调试过程中可能会用到的一些位图图像,这 些图像是不同角度和不同间隔的条纹。产生图像的文件名命名方式如下: testimgSSSDDD.bmp 其中,SSS代表条纹间隔(像素个数)
图像滤波处理代码
- 选择打开文件,可以打开相应的图像。当前只可处理8位灰度图像。 homework1 中值滤波中,边界没有处理。 均值滤波中,边界也处理了,边界的原值没有保存下来。边界模糊。 homework2 对同样的阈值soble算子检测边缘比梯度算子清楚。 homework3 幅度谱表现出一些可辨认的结构,相位谱看不出来。 忽略相位信息,反变换得到的图看不出与原图的影子。 忽略幅度信息,反变换得到的图与原图好像有一些相似。 homework4
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
DImageProcess
- 256色位图通用处理程序,包括所有常见的图像处理,如图像分析,数学形态运算,几何变换,正交变换,像素运算,图像复原等,对编写其他功能程序图像处理模块有参考价值,源代码完整,注释清晰。注意:只能对256色位图处理。
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
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
2187997322007101850426931262
- 当今影像数字化产生的位图影像,往往是以每像素三字节的格式表示的,这导致了大而难处理的位图。为减少这些存储开发了很多压缩系统。由Compu Serve开发的GIF(Graphic Interchange Format)系统通过把可能分配给一个像素的颜色数目减少到仅为256个的方法来研究问题,这意味着每个像素的值可以用一个字节而不是用三个字节表示。256个可能的像素值中的每一个都可借助于一个叫调色板的表与一个红、绿、蓝的组合联系起来。通过改变一个影像所对应的调色板,就可以改变影像中的颜色。 G
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
RGB
- 用如求直立主图统计程序。RGB有3个座标,分别是R,G,B,其值从0-255。把0-255分成4段,那么每个座标有4种取值,共可以表示4*4*4=64种颜色。程序中主要是histogram函数,它有两个参数,第1个参数是一个64位数组,每一位表示一种颜色,其值是该颜色出现的次数。另外两个函数numbercolor是对每个像素计算它的颜色值,fenduan是对参数x返回0-255中的某一段。主函数测试一副图片的颜色直方图的统计。
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
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
TextureLBP
- LBP纹理特征提取算法。首先将检测窗口划分为16×16的小区域(cell),对于每个cell中的一个像素,将其环形邻域内的8个点(也可以是环形邻域多个点,如图 3‑ 4. 应用LBP算法的三个邻域示例所示)进行顺时针或逆时针的比较,如果中心像素值比该邻点大,则将邻点赋值为1,否则赋值为0,这样每个点都会获得一个8位二进制数(通常转换为十进制数)。然后计算每个cell的直方图,即每个数字(假定是十进制数)出现的频率(也就是一个关于每一个像素点是否比邻域内点大的一个二进制序列进行统计),然
BMP-Graphics-editor
- 图形编辑器(graphical editor)允许用户改变位图图像,比如大家经常用到的Photoshop。它所采用的改变方法和文本编辑器允许修改文档的方法一样。位图图像由MxN 的像素矩阵来表示,并且每个像素点都有给定的颜色。 我们的任务就是来要编写一个程序来模拟一个简单的交互式图形编辑器,并将生成的图片存储到一个 BMP 格式的文件中。 -Graphics editor (graphical editor) allows the user to change the bitmap i
DirectX
- 使用DirectX提供的几何图元建立模型, 从而得到物体的数学描述,DirectX将点,直线,多边形,图形和位图视 为图元。在三维空间排列物体,选择观察场景的有利位置. 2).色彩渲染:将物体的数学描述和相关的颜色信息转换为屏幕像素,这称为光栅化。-i will help you with it .