搜索资源列表
Visio2000 技术大全
- 目 录 译者序 前言 第一部分熟悉Visio 2000 第1章 理解Visio 2000 1．1 Visio中创新的SmartShape系统 1．2 Visio公司的简短介绍 1．3 哪些人可以使用Visio 1．3．1 涉及Visio技术的公司和职业 1．3．2 选择适合自己需求的Visio版本 1．3．3 获得Visio支持的方式
opencvVideoRead
- 在视频图像处理中，二值图像中的前景目标有时候会产生空洞现象，此采用Opencv实现二值图像的空洞填充-Foreground objects in video image processing, binary image can sometimes produce cavitation, Opencv binary image hole filling
Vehicle-Recognition-System
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -First click Load Image menu item (loaded background and foreground images), below t
chengxingshibie
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -1 First, click Load Image menu item (load background and foreground image), the ima
CheXingShiBie
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。-1 First, click Load Image menu item (load background and foreground image), the image
Research-on-Compressed-Sensing
- 经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在
CarShapeIdentify
- 车型识别系统，步骤为1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -Vehicle identification system, step 1. First Click Load Image menu item (
chepaishibieCPP
- 一、车型识别 1.首先单击车型识别菜单下的载入图像菜单项（载入背景和前景图像）。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理，轮廓提取。 3.最后单击车型识别菜单项，对车辆进行识别。 4.测试图像存储在img文件夹下，车型轮廓模板存储在contour文件夹下。 二、车牌识别 1.先打开一幅图片，然后在车牌定位与识别菜单下依次点击：车牌提取、倾斜校正、字符
vibe_mex
- 用于前景提取后填充，vibe算法调用C++提取前景(Used for foreground extraction)
13_车型识别系统
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。(First click the load image menu item(load background and foreground images), which is und