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
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
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
Wavelet-image-denoising-procedures
- 小波图像去噪程序。th=sigma*sqrt(2*log10(L*T)) 计算阈值 ch=c(1,num(4-i,1):num(4-i,3)+step(4-i)-1) 对各高频系数进行阈值处理 chl=length(ch) for j=1:chl if abs(ch(j))>=th ch(j)=sign(ch(j))*(abs(ch(j))-2*th/(1+exp(m*(ch(j)^2)))) 阈值处理函数 else -Wavelet image denois
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
openGLwater
- 操作指导7水纹 一、 建立工程 二、 添加函数和变量,修改头文件（view.h） public: int npoint float lpoint[4][4] float cpoint[102][76][3] void drawplat() void lm() BOOL movekey CClientDC *my_pDC CRect my_oldRect BOOL mytbar BOOL mysbar
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