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
xudemin
- 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
license_orientation
- 车牌定位－－－VC++源代码程序 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=|
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
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
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
usb-carmer-matlab-RT-process
- 通过计算机usb摄像头进行图像采集，然后实时处理，跟踪其中运动物体，并进行计数，采用中值滤波法得到背景，并根据需要进行更新，视频处理采用了动态差分与前景差分结合的方法，效果比较理想，但无法解决人物重叠的问题-Usb camera through the computer for image acquisition, and real-time processing and tracking moving objects in which, and the count median filter
hsibackground
- 从视频图像序列中，每隔一定间隔提取出一幅图像，并采用中值法提取背景图像-get a background from a video with mean method
median_DIY
- 利用中值法，在一系列的视频序列中提取初始背景，一般在视频处理中，作为初始背景，这是提取背景，实时更新的一个前提；-Using the value method, in a series of video sequences to extract the initial background, usually in the video processing, as the initial background, which is extracted the background, a prereq
DIP
- 图像的操作，及视频流的相关操作，基于opencv，运动目标检测，中值滤波，高斯背景模型，混合高斯模型-The operation of the image, and video streams related operations, based on the opencv, motion detection, median filtering, Gaussian background model, Gaussian mixture model
SVD
- 线性方程的解法,实现对运动目标的检测,针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)-Linear equations, to achieve the detection of moving targets, in view of the weak target detection in visible light images in the background suppression and de-noi
LicensePlateLocation
- 中值滤波，二值化，去除背景干扰，牌照搜索，区域裁剪-Median filtering, binarization, remove the background interference, license search, regional cut
PreProcessor
- 基于OPencvr开发环境的图像预处理算法。包括中值滤波，形态学滤波，二值化处理及图像背景校正。--Image Pre-processing algorithm based on OPENCV. Including median filtering, morphological filtering, binarization image processing and background correction.
Licensenumber
- 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
MedianFilter
- 程序使用VB编写，实现100多张图片的中值滤波功能，最终实现背景的剔除及提取。-Programs written using VB to achieve more than 100 pictures of the median filter function, and ultimately eliminate the background and extraction
Q
- 本文以室内、外不同空间的人数统计为背景，研究基于图像的人员计数技术，对某时段内进出摄像机视野中指定区域的人数，或指定区域内在景人数进行统计。主要研究内容有以下几点： （1）人员计数方案论证：本文分析对比了不同人员计数算法，研究分析了基于像素、 基于Hough变换的人员计数算法的优缺点。 （2）基于像素统计的人员计数系统实现：①分别采用近似中值背景模型和高斯混合背景模型提取前景图像；②采用基于HSV颜色空间变换的方法对前景中的阴影进行抑制；③用前景像素数除以人数得到一个人的像素平均值，
matlab视频背景提取
- matlab简单方式视频背景提取，通过取中值的方法得到背景(Matlab simple way video background extraction, through the median method to get the background.)
双峰法阈值分割
- 双峰法阈值分割。阈值分割法是一种基于区域的图像分割技术，原理是把图像象素点分为若干类。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区