搜索资源列表
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
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
Open
- 图像分析与处理，腐蚀膨胀算法。随机生成一幅图片，通过开闭运算，减少噪声点
datarecognization
- 能实现灰度图像中数字的识别：包括256转灰度图像，二值化，梯度锐化，去离散噪声，整体倾斜调整，字符分割，尺寸标准归一化，紧缩重排，神经网络识别等。
Gauss
- 对图像进行高斯虑波，可以减少图像中的噪声，。并带有图片，以便检验
Canny
- 对图象进行边缘检测。首先对图像进行高斯虑波，减少噪声的干扰，然后求图像的梯度，进行非最大值抑制
chepaishibie4
- 提出一种用于车辆牌照定位的新方法。该方法利用遗传算法对图像进行优化搜索,结合区域特征矢量构造的适 应度函数,最终寻找到牌照区域的最佳定位参量。实验结果表明,该方法抗噪声的能力强,提取出的牌照准确、完 整,具有很好的实用价值。
re
- 将带有噪声的原图像，进行中值滤波，此源代码是基于VC++6.0环境的
H050075088w
- 这种方法能有效地去除传感器表面残留纹印引入的噪声，进一步增强了指纹的脊线和谷线，使指纹文线变得清晰、连续、光滑，改善指纹图像的质量，提高了指纹识别的可靠性
H050146054
- 这种方法能有效地去除传感器表面残留纹印引入的噪声，进一步增强了指纹的脊线和谷线，使指纹文线变得清晰、连续、光滑，改善指纹图像的质量，提高了指纹识别的可靠性
origin_canny
- canny算子进行边缘检测的源代码。 （1）首先对图像进行高斯滤波，去除噪声的影响； （2）对滤波后图像计算梯度的幅值和方向 （3）对梯度幅值进行模极大值抑制 （4）双阈值确定边缘
车牌定位
- 车牌定位 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,以突出牌照区域。 4.削弱背景干扰。对图
实现图象平滑（去噪声），锐化算法的源代码
- 对高质量数字图像实行图像平滑，提高图片质量，并去掉噪声！-to implement high-quality digital image smoothing images, enhance picture quality and eliminating noise!
车牌定位
- 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定的适应性,能够保证背景基本
matlab-6
- 数字图形处理实验例题 造成图像退化的原因很多，大致可分为以下几个方面： （1）射线辐射、大气湍流等造成的照片畸变。 （2）模拟图像数字化的过程中，由于会损失部分细节，造成图像质量下降。 （3）镜头聚焦不准产生的散焦模糊。 （4）成像系统中始终存在的噪声干扰。 （5）拍摄时，相机与景物之间的相对运动产生的运动模糊。 （6）底片感光、图像显示时会造成记录显示失真。 （7）成像系统的像差、非线性畸变、有限带宽等造成的图像失真。 （8） 携带遥感仪器的飞行
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
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
113
- 人脸检测与定位。这一部分的主要任务是检测图像中是否存人脸，若存在，则将其从背景中分离出来，并确定输出人脸的位置及其大小。 通过控制拍摄图像的条件，可以使得图像处理和人脸定位相对简单，如证件照片， 人脸占据了照片中央的大块区域，背景也比较单一，容易实现人脸的检测和定位。但是如果人脸在图像中的位置预先未知，背景比较复杂，或画面中人脸比较多，就可能受到较多因素的干扰，如人脸在图像中位置、旋转角度和尺寸的不确定性 发型和化妆遮盖某些脸部特征 图像噪声等等。-face reconsider