搜索资源列表
shibiemain
- 主要是车牌识别技术，通过图像的预处理，边缘检测，模板匹配等方法实现车牌的识别-Mainly is the license plate recognition technology, through the image preprocessing, edge detection, template matching method of license plate recognition, etc
daima
- 用于图像预处理，主要有图像灰度化，边缘检测，处理后的图像可以方便进行图像匹配-For image preprocessing, mainly gray, edge detection, can be easily processed image image matching
sift-based-on-edge-corner
- SIFT 由特征提取，特征描述符描述和特征匹配 3 部分构成，该算子特征提取数目庞大，建立特征描述符运算 量高，导致算法效率低。提出了一种 SEC( SIFT-Edge-Corner) 算法，在图像尺度空间提取角点代替 SIFT 特征点，并根 据角点是边缘曲率极值理论，预先采用 Canny 算子得到高斯边缘图像金字塔，再提取角点并进行尺度选择。实验结 果表明: 该算法在保障高准确率的前提下大幅度提高特征提取效率-By the SIFT feature extraction, fea
DigitalProcessing
- 灰度直方图，图像增强，几何变换，边缘提取，图像匹配，图像编码，阈值分割。-Histogram, image enhancement, geometric transformation, edge extraction, image matching, image coding, threshold segmentation.
MPEG7dataset
- matlab实验常用mpeg7图像数据源，图片格式为gif。多用于边缘检测，特征提取，图像匹配等。-mpeg7 matlab image test commonly used data sources, picture format is gif. Used for edge detection, feature extraction, image matching.
2005510101315809
- 提出了一种复杂背景下的多车牌图像分割和识别方法，首先采用统计和特征匹配相结合的方法进行背景提取，将可能存在车辆的区域提取出来；然后分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割；最后使用PCA和神经网络相结合的方法精确识别车牌。-Proposed a multi-plate image segmentation and recognition method under a complex background, the first
aco
- 蚁群算法ACO的应用，包括图像匹配，边缘检测，点检测，以及遗传算法GA-ACO ACO algorithm applications, including image matching, edge detection, detection, and genetic algorithm GA
The-license-plate-recognition
- 首先，针对车牌图像预处理采用了灰度化、中值滤波等的算法。其次，车牌定位的模块中研究了基于Canny的车牌边缘检测算法和形态学操作，提高了系统定位的准确率。然后，用基于垂直投影的垂直切分算法对车牌进行字符切分。最后采用模板匹配的算法对车牌字符进行识别。 -Firstly, the license plate is with a gray image preprocessing, median filtering algorithm. Secondly, the plate positioning
imageproc
- 图像处理中经常用到的算法。。。比较常用surf特征点匹配、二值化、边缘等需要配置相应的库才能运行-Image processing algorithm is often used in... More commonly used surf feature points matching, binarization and edge need to configure the corresponding library to run
Image-Sparse-Representation-Model
- 完备图像稀疏表示是一种最新的图像表示模型，采用过完备字典中原子的线性组合形式实现图像的稀疏表示．传统 的过完备图像稀疏表示模型采用重建误差的平方和作为保真项．该保真项没有充分考虑到人眼对图像的感知特性，无法度量图 像中边缘、轮廓、纹理等局部几何结构的变化．本文基于过完备稀疏表示理论思想，建立了新的稀疏性正则化的图像稀疏表示模 型．模型中的正则项约束图像表示系数的稀疏性，保真项采用更符合视觉感知的结构相似性度量．基于正交匹配追踪算法，提出 了基于结构相似度的正交匹配追踪算法．实验结
Proj2
- 图像处理，高斯滤波，均值滤波，两者的可分离滤波，边缘检测，模版匹配。主要是全是自定义函数非库函数。不用toolbox 任何函数。-image processing,Guassian filter,mean filter,separable filter,edge detection, template matching. user-define functions, not the functions in the library.
edge-image-match
- 以边缘为特征实现红外图像与可见光图像匹配，在一定范围内对旋转和尺寸变换具有鲁棒性。-Infrared image and visible light image matching based on edge.
Pattern-Matching-Example
- 用于图像匹配，检测边缘并匹配For image matching, edge detection and matching-For image matching, edge detection and matching
labview
- 基于labview的IC图像缺陷检测.通过匹配得到IC的相对坐标,然后通过边缘发现得到各个引脚之间的位置,最后测量各个引脚之间的距离实现IC缺陷类型(弯曲/断裂等)-IC image defect detection based on labview By matching obtain relative coordinates of the IC, and then found between each pin position obtained through the edge, and f
opencv-doc
- 图像数据操作（内存分配与释放，图像复制、设定和转换） 图像/视频的输入输出（支持文件或摄像头的输入，图像/视频文件的输出） 矩阵/向量数据操作及线性代数运算（矩阵乘积、矩阵方程求解、特征值、奇异值分解） 支持多种动态数据结构（链表、队列、数据集、树、图） 基本图像处理（去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构） 结构分析（连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化）
image-retrieval
- 缘检测算子进行边缘检测；其次，利用Hu的7个不变矩作为形状特征向量；再次，进行图像的相识度匹配；最后在图像库中检索出最相近的Top10图像序列作为检索结果。-Edge detection operator edge detection Secondly, Hu' s seven moment invariants as the shape feature vector Again, a acquaintance of the image matching and finally in
pichandle
- 读取文件，各种经典的图像处理算法，滤波、边缘提取、阈值分割、图像匹配等。-Read the file, a variety of classic image processing algorithms, filtering, edge extraction, threshold segmentation, image matching.
video
- 基于边缘检测以及图像匹配的运动物体检测，前者适用于与环境差距较大的物体检测-Based on edge detection and image matching moving object detection, former applies to larger object detection and environmental gap
WeChat_jump
- 电脑模拟按键实现微信跳一跳自动跳跃。首先就是在上传的autojump.png图片上进行模板匹配，匹配出小人，并计算小人的坐标；如上图所示，框出来的用红色箭头所指即为小人的坐标！ 然后就是通过Canny()函数进行图像的边缘检测，这里使用的阈值为5，10基本可以检测出所有边缘信息(Computer simulation keys to achieve WeChat jump one jump automatically. First of all, template matching is per
Python_VLPR-master
- 基于树莓派B+版本的车牌识别设计，辨识部分以树莓派3B+/3B为核心处理器，基于Linux平台，通过python3.5和OpenCV来对含有车牌信息的图片，进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry