搜索资源列表
车牌识别
- 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程 应用程序生成--》
200561555616250020000
- 车牌识别系统 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向
bushanshuohuizhiboxing
- 在信号处理中，通常需要把采集信号的实时波形显示出来。 如果直接在屏幕上动态绘图的话，会出现闪烁现象，为了克服这个问题，本文采用的就是先在内存绘图，然后再拷贝到屏幕，从而实现动态绘图而不闪烁 -in signal processing, usually need to collect real-time signal waveform displayed. If directly on the screen dynamic mapping, would arise scintillation ph
chepairecognition
- 使用VC++6.0做开发工具，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程-use as a developm
chepaidetection
- 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程-us
ImageToBuffer2D
- 这是我在刚刚学习VC图像处理时的一个小例子，功能将DIB数据导入到一个二维的Buffer，主要是练习了一下二维动态数组的定义、内存申请和释放，希望能够给初学的朋友带来一些帮助！-This is just learning the VC image processing of a small example, DIB will function to the data into a two-dimensional Buffer. is practicing a bit two-dimensiona
chepaishibie
- 车牌识别源码 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)
afdsa
- 在信号处理中，通常需要把采集信号的实时波形显示出来。 如果直接在屏幕上动态绘图的话，会出现闪烁现象，为了克服这个问题，本文采用的就是先在内存绘图，然后再拷贝到屏幕，从而实现动态绘图而不闪烁
bmpviewer
- 超大BMP图像查看器。软件特点： 1.此软件最大可查看达2G的BMP图像；仅消耗一点点内存。而且速度飞快。市面上绝无仅有。 2.支持从上到下和从下到上两种BMP格式，支持单色和各种彩色BMP图像； 3.可强制设定图像的格式，如尺寸，颜色等。因此可将非BMP文件当作BMP文件来查看。 4.支持动态智能图像匹配操作。可以用来分析图片一个区域与另一个区域的微小区别。操作时用鼠标选中一个区域，然后拖动该区域到需要比较的另一个区域附近，软件会自动吸引到匹配的位置上，并将相同的部分隐去，只显
QSGExamples.zip
- OpenSceneGraph快速入门指导的例子源码 《OpenSceneGraph Quick Start Guide》是由Paul Martz编写，Skew Matrix出品，计算机图形系统开发公司（Computer Graphics Systems Development，CGSD）版权所有的开放场景图形权威教程。它是有关OpenSceneGraph的第一部入门教程，遵循CC授权（http://creativecommons.org/licenses/by-nc-sa/2.0/）。 本书
jpeg
- 动态内存jpeg图象显示,纯masm32编写-Dynamic memory jpeg images show
USBCamCap_Fuzzy
- 本实验软件开发，使用Microsoft Visual C++ 6.0，Camera所撷取的影像经由USB接口传送回个人计算机，使用微软公司所提供的利用VFW（Video for windows）SDK，VFW SDK为在Windows 系统中实现视讯撷取提供了标准的接口，利用其中的影像撷取公用函式将Camera所撷取到的影像撷取至内存中以进行影像处理。异常侦测流程，首先会先撷取正常状态下的环境影像，建立标准对照影像。当环境有异常时，所撷取之影像产生变化，与标准对照产生差异，比对后应可侦测异常状态
facerecognition
- 基于OPENCV 的人脸检测代码学习 动态内存存储及操作函数 分类器结构及操作函数-It is uesd for face recognition which is baesd on opencv.
car_recong
- 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程-Use VC++6.0 as de
memcached-1.4.5.tar
- memcached是一个高性能的分布式的内存对象缓存系统，通过在内存里维护一个统一的巨大的hash表，它能够用来存储各种格式的数据，包括图像、视频、文件以及数据库检索的结果等。最初为了加速 LiveJournal 访问速度而开发的,后来被很多大型的网站采用。起初作者编写它可能是为了提高动态网页应用，为了减轻数据库检索的压力，来做的这个缓存系统。它的缓存是一种分布式的，也就是可以允许不同主机上的多个用户同时访问这个缓存系统， 这种方法不仅解决了共享内存只能是单机的弊端， 同时也解决了数据库检索的压
L200056155561i
- 车牌识别系统需要注意的地方：使用Visual C++6.0做开发工具， 使用简单易懂的SDI框架结构 ，一次处理一幅位图(有兴趣的能作成MDI)1）位图信息的数据是从左下往右下为一行，一行一行往上排的的。2）每行像素素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配 -License plate recognition systems need to pay
Opencv_Chinese_handbook
- 基础结构 数组操作o初始化o获取元素和数组子集o拷贝和填充o变换和置换o算术、逻辑和比较o统计o线性代数o数学函数o随机数生成o离散变换 动态结构o内存存储o序列o集合o图o树 －－－－－－－－－－－－－－－－－ 绘图函数 ****************************************o典线和形状o文本o点集和轮廓 数据保存和运行时类型信息 樊臻韬o文件存储o写数据o读数据o运行时类型信息和通用函数 －－－－－－－－－－－－－－－ 其它混合函数 错误处理和系统函数o错误处理o系
Contour
- 轮廓的例子程序，用来分析动态内存块指针链表，轮廓序列指针链表，及其组织方式-storage block allocation, contour link mode for learning Contour
6645LBP
- LBP已经成功应用于人脸检测，唇语识别，表情检测，动态纹理等等领域。其算法复杂度低，消耗内存小，原理简单.-LBP has been successfully applied to face detection, lip recognition, face detection, dynamic texture and so on. Its low algorithm complexity and memory consumption is small, simple principle.