搜索资源列表
renliancaijian
- 单人体图像中基于粒子群优化算法的人脸自适应裁剪
TransformShow
- 图像变换：旋转、水平镜像、垂直镜像，缩放，裁剪
imgobj
- 一个附带完全源码的图片编辑显示类，包含：图像裁剪，旋转，增强，显示等模块，支持.bmp,.jpg等多种格式文件的读取。
tuxiangcaijian
- C++实现图像裁剪，任意大小，全套源码测试通过
TransformShow
- 实现图像旋转90/180/270或自定义旋转,裁剪,水平/垂直镜像,缩放等图像变换功能
TransformShow
- 图像处理的各种变换，如：旋转90。旋转180。水平镜像。垂直镜像。像框大小。裁剪等
TransformShow
- 图像变换的代码，可以对图像进行裁剪与合并、缩放、旋转、镜像等操作
chepaidingwei
- 一个很好的车牌定位 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
1
- 图形学与数字图像处理实验中区域填充实验源码实验目的 1、 通过实验，进一步理解和掌握扫描线填充算法； 2、 掌握用扫描线填充算法进行区域填充的基本过程； 3、 通过编程，会在TC环境下用扫描线填充算法编程实现一个饼型图的绘制； 4、 通过实验，进一步理解和掌握Sutherland 裁剪算法； 5、 掌握用Sutherland 裁剪算法裁减多边形的基本过程； 6、 通过编程，会在TC环境下用Sutherland 算法编程实现用矩形窗口对多边形的裁剪。 实验环境 计
ImageTransform
- 图像变换源程序,包括裁剪与合并,缩放,旋转,镜像等形式.
viewImage
- 可以对不同格式的图像进行基本的加载操作，以及裁剪，缩放等功能
chap12
- 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
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,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0
chap12
- 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
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
Digit_Recognition
- 数字识别的matlab仿真，通过图像裁剪，再有神经网络训练，可以达到很好的效果
SHIBIE
- Matlab手写文字识别源代码 这个Demo展示手写文字识别的各个步骤，包括图像的预处理、裁剪、大小转换、人工神经网络训练和识别等等。
num_identify
- 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,得到新的图像G,即Gi,j=|Pi,j-Pi,j-
Circle
- 截取图片中的圆形，用鼠标取圆边界点，再裁剪出圆形，即可保存输出圆形。 包含：Win32 API的图像处理；工具栏；bmp等文件的读取、保存。 VS2008下编译成功
chap12
- 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