搜索资源列表
车牌定位
- 车牌定位系统是进行车牌自动识别的重要一部分能正确的获得整个图象的车牌部分 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。对图像B做
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
plateloc
- 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Gm
number_plate_orientation
- 这是一个车牌定位的小程序。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。-This is a small plates positioning procedures. The use of level detection projection plates horizontal position, using vertical projection method detection plates vertical po
license_orientation
- 车牌定位－－－VC++源代码程序 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。对图像
chepaipanbie
- 对于车牌灰度图像进行滤波去噪后先用峰谷法二值化,再用垂直投影 法进行分割,最后进行模板匹配,并用弧向判定法匹配对几组易出错的字符进行检查,从而得到车牌号。-for registration gray image filter after the first two with peak values of France, reuse vertical projection method for segmentation, the la
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-G
chepaidingwei
- 很好的车牌识别代码 。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。对图像B做简单的相邻像素灰度值相减,
carpalte
- 从网上获得的一个VC++程序。这个程序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。-From the Internet to obtain a VC++ Procedures. This procedure detected the use of horizontal projection plate horizontal position, using vertical projection of the vert
chepaidingwei
- 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
CalSection
- 实测地质剖面处理程序。 1、实现了复杂剖面的处理；2、实现了地质剖面的真厚度法、垂直投影法及自然坡度法图形成图；3、简单处理了实测地质剖面柱状图的处理。-Measured geological section processing. 1, the realization of a complex treatment profile 2, realized the true geological section thickness,
shuangxianxingchazhisuofangtuxiang
- 本实验采用双线形插值技术进行图像的缩放。该方法输出的像素值是它在输入图像中2*2邻域采样点的平均值，它根据某像素周围4个像素的灰度值在水平和垂直方向两个方向上对其插值。在进行图像缩放时，其考虑到了相邻近的像素点间的关系。这种平均算法具有放锯齿效果，创造出来的图像拥有平滑的边缘，锯齿难以察觉，所以相对于最近邻法，其的效果比较好。在进行程序设计时，程序的输入参数为图像矩阵和结果图像的水平和垂直方向的像素数，可以忽略混叠效应。在程序运行之后可
Spatial_data_compression
- 空间数据压缩，本程序结合了道格拉斯算法、光栏法、垂直距离法对空间数据进行压缩-Spatial data compression, the program combines the Douglas algorithm, light bar, vertical distance of space data compression
levelset_simple
- 利用有限差分法所寫的 level set -Written in finite difference method using level set
2D_FDTD
- 时域有限差分法 Finite Difference Time Domain, FDTD程序，二维的，希望对大家有所帮助。-Several two-dimension Finite Difference Time Domain programs. Hope helpful.
Finite_difference_method
- 有限差分法 微分方程和积分微分方程数值解的方法。基本思想是把连续的定解区域用有限个离散点构成的网格来代替， 这些离散点称作网格的节点；把连续定解区域上的连续变量的函数用在网格上定义的离散变量函数来近似；把原方程和定解条件中的微商用差商来近似， 积分用积分和来近似，于是原微分方程和定解条件就近似地代之以代数方程组，即有限差分方程组 ， 解此方程组就可以得到原问题在离散点上的近似解。然后再利用插值方法便可以从离散解得到定解问题在整个区域
platelience
- 车牌识别系统一般包括车牌定位、车牌切分、字符识别三部分，而车牌定位是车牌识别系统的基础和前提，其准确与否直接影响着车牌识别的准确率。本文针对这一关键问题进行了研究，提取了车牌的颜色特征并结合其纹理特征、几何特征以及投影特征进行准确定位。采用HSV颜色模型，利用颜色空间距离相似度计算分割颜色；针对颜色分割后的图像，车牌区域内水平方向上具有的连续跳变的特征，采用行扫描法确定车牌的上下边界；车牌区域内垂直方向具有投影特征，采用垂直投影法确定车
Imageprocessingprojection
- 图像处理中的投影法！包括垂直投影和水平投影！-Image processing projection!
1
- 将被排序的记录数组R[1..n]垂直排列，每个记录R看作是重量为R.key的气泡。根据轻气泡不能在重气泡之下的原则，从下往上扫描数组R：凡扫描到违反本原则的轻气泡，就使其向上"飘浮"。如此反复进行，直到最后任何两个气泡都是轻者在上，重者在下为止。(The ordered array of records R[1..N] is vertically arranged, each recording R as a bub
ConsoleApplication7
- 调用OPENCV库，使用水平法、垂直投影法进行图片分割，调试通过。使用class封装方法(Call OPENCV library, use the horizontal method, vertical projection method for image segmentation, debug and pass. Using class encapsulation method)