搜索资源列表
CImage29
- 这是一有彩色图像灰度化,二值化, 图像增强,图像分割的源码-This is a gray color images, binary, image enhancement, image segmentation of the FOSS
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。
numberplate_C++Builder
- 车牌识别C++Builder代码,首先要把车牌图像灰度化,接着对图像进行中值滤波进行初步降噪,下一步进行Sobel纵向边缘检测,即增强车牌纵向边缘,边缘检测后进行二值化处理,此时车牌区域特征得到进一步加强,但同时又加强了背景中的部分噪声,所以再对其腐蚀,然后定位及截取车牌,最后对车牌进行二值化。 -LPR C Builder code, first and foremost, we should plates gray, Then the image median filtering for
imagegrayprocess
- 能够实现图像的灰度变换及二值化处理,具有较好实用价值-to image and transform the two gray-value processing and has good practical value
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
cardetection
- 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=0,1,…,439 j=0,1,…,63
chepaidingwei2
- 用投影的方法来实现 车牌的定位 先对图像进行灰度化 再进行二值化 提取图像轮廓-projection methods to achieve the positioning plates on the first grayscale image of another binary image contour extraction
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
Grey_Change
- 图像的灰度变换,包括二值化、线性变换、直方图等-gray image transformation, including two values, linear transformation, histogram, etc.
T77
- 彩色图像的分割(色调数据二值化) 灰度分布直方图(点数)和像素总数,大津法取阈值-color image segmentation (hue value of the two data) histogram of the gray values (points) and the total number of pixels. large-value threshold for France
image_identify
- 实现图像的预处理,包括灰度值转换,二值化,梯度锐化,去离散噪声,整体倾斜调整,字符分割,尺寸归一,紧缩重排等功能,经过神经网络训练后可以字符识别。-image preprocessing, including gray-scale conversion value, the value of the gradient sharpening to discrete noise, overall tilt adjustment, character segmentation, to a size a
200751110558396
- 能够对大部分的车牌进行定位,和识别 .包括数字图像处理的 均衡化,灰度化,中值滤波,平滑处理,各种边缘检测算法,还有四种二值化方法 -to most of the license plates for positioning and identification. Including digital image processing balanced, gray, Median filtering, smoothing, edge detection algorithm all, there
VehicleBorad
- 能够对大部分的车牌进行定位,和识别 .包括数字图像处理的 均衡化,灰度化,中值滤波,平滑处理,各种边缘检测算法,还有四种二值化方法-to most of the license plates for positioning and identification. Including digital image processing balanced, gray, Median filtering, smoothing, edge detection algorithm all, there ar
threshold
- 基于灰度梯度矩阵采用相关熵方法二值化图像
file2
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.
file3
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.
file4
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.
file6
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.
file5
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.
file1
- 30个图像处理的VC++ 源代码,包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化(边缘检测), 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡.