搜索资源列表
Filter
- 包括图像的灰度变换，laplacian锐化，中值滤波，加权中值滤波，自适应滤波，添加噪声以及图像的平滑和反色处理，图像处理效果良好-Including images of gray-scale transformation, laplacian sharpening, median filtering, the weighted median filter, adaptive filter, add noise and image smoothing and anti-color process
carcarddetect
- 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
LicensePlateRecognition
- 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
chepaishibie
- 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
MATLAB_code_of_image_processing
- 该gui函数基本上包括图像处理里面的最基本处理，相当于一个小型photoshop。比如读取文件，几何变换中的垂直镜像，平移，旋转，缩放；正交变换的DFT，FFT，DCT，DST，DHT，DWashT；灰度处理中的反色，直方图均衡，全局线性变换，分段线性变换，指数非线性变换，对数非线性变换；图像增强里面的加噪声，平滑，锐化，伪彩色增强；图像分割里面的灰度阈值法，Robert，Laplace，sobel，prewitt，canny算子边缘检测法；图像恢复里面的直接逆滤波，维纳滤波；图像编码里面的霍夫
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
Combination-of-Multiple-Features-for-Object-or-Bac
- 通过组合多种图像特征 ， 实现 了一种新的检测运动物体方法。 一方 面，组合 图像 的颜 色、梯度和纹理特征 ， 利用梯度和纹理信息对亮度变化不敏感的特性，提高运动物体分割的准确性 ；另一方面，使用图切割算法对物体／ 背景进行分割， 在不影响整体分割 结果前提下修 正局部判别错误 的像素点， 分割结果噪声少且稳定性强。 -A novel method is proposed to detect moving objects based on the linear combination of
chi
- 图像几何变换，图像正交变换，图像灰度变换，图像增强：包括随机噪声、傅立叶变换、中值滤波、高斯滤波； ·色彩变换：包括彩色->灰度、反色处理、亮度调整、直方图均衡化。专业人士编写-Image geometric transformation, image orthogonal transform, the image gray-scale transformation, image enhancement: including random noise, Fourier transform,
VCchepaidw
- 就可以实现精确的车牌定位 真彩色->256色灰度图。 .预处理:中值滤波。 二值化 削弱背景干扰。 用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: 区域裁剪,截取车牌图像-The license plate on the positioning accuracy can be a
car
- 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
network
- 该代码的功能主要是识别数字。采用的算法是建立人工神经网络的模型，通过对样本的训练而保存全权值（及数字的特征），训练结束后能识别图片上的数字（256位色），相信对于研究神经网络模型的很有帮助，同时该代码还涉及到图像处理部分的内容，比如二值化，梯度锐化，去噪声等算法。-The main function is to identify the code number. The algorithm used is based on artificial neural network model, thr
imgine_chuli
- 实现图像滤波，镜像，添加噪声，锐化，缩放，反色的软件-For image filtering, image, add the noise, sharpening, scaling, inversion software
cardrecognition
- 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
chepaichuli
- 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
digital-image-processing
- matlab中将一幅图像进行RGB三色显示，绘制直方图和均衡直方图，加入噪声后，使用不同的滤波器滤波，进行比较不同的边缘检测算子提取边缘-digital image processing
chepaidingwei
- 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
imageProcess
- matlab做的简单的图像处理应用。GUI。噪声，滤波，旋转，反色，截取等功能。-matlab to do simple image processing applications. GUI.
TW2834package
- TW2834有四个高性能的NTSC／PAL视频解码器、双色显示控制器和双视频编码器。同时它还集成有四个内置的模拟抗混叠滤波器、4个10位模拟数字转换器和专有数字增益，钳位控制器，以及抗交叉噪声的高性能Y／C分离器。附件为相关的软硬件参考设计文档-TW2834 has four high performance NTSC/PAL video decoders, dual color display controllers and video encoders. It also integrates
a-novel-approach-to-DOA-estimation
- 子空间类波达方向(Direction Of Arrival,DOA)估计算法的关键在于得到高质量的信号子空间估计。该文利用矩阵伪逆的双正交性,针对源信号不相关而其本身是色信号的情况,给出了一种新颖的DOA估计算法,它不需要知道噪声统计特性。该算法利用一组空间相关矩阵的结构化信息,能稳健而精确地估计出信号子空间,从而得到DOA的精确估计。仿真实验证实了所给算法的有效性。-The key subspace DOA (Direction Of Arrival, DOA) estimation algo
1
- 车牌定位 牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置 具体步骤 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。