搜索资源列表
ExhCAD_1_01a_Final
- 《管状换热器计算机辅助设计系统ExhCAD绘图系统(版本:1.01a Final)》为自由软件，采用增量软件开发模型，并用UML对软件进行 建模，以便更新。 该版本只是对换热器的最简单的形式做出设计，而且程序在计算 (包括设计、校核两部分，其中校核部分未编)、绘图过程中都作了简 化，虽然采用了参数化绘图，并能进行简单的数据管理，但没有考虑 换热器的插入件、安装(待编)等因素的影响，特别是在绘图中用 Automatuion技术绘制了管子部分,并对一些常
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Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一
cubic_average
- 图像在采集、转换和传输中,常常受到成像设备与外部环境噪声干扰等影响.一般来说,现实中的图 像都是带噪图像.为了后续更高层次的处理,很有必要对图像进行去噪
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
spinfilter
- 针对条纹图中的随机散斑噪声，编制旋滤波程序，能够去除散斑噪声的影响，同时不损害条纹信息。
bw_fragile_robust_cross
- matlab编写的对二值图像的数字水印添加与提取程序。压缩包中有示例图片。可以添加水印，结果肉眼不易分辨出变化，不影响使用。可加入信息长度达100个字节。提取时可验证是否被修改过，如未修改，可提取隐藏信息。当有修改发生时，可以定位修改的位置，并在图上标出。标识面积占修改面积的75％，一般修改都能标出
DETECTION_LineHough_inIMAGE
- 在文档图象中 用HOUGH变换 探测图象中的直线段 英文代码不影响使用
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
cddbn__Y788036
- 在图 像 拼 接中通常使用模板匹配方法进行图像配准，模板特征选取、基准模板位 置与大小选取，在很大程度上影响图像配准的准确度和速度。基于模板匹配的原理，文中提出了两种新的彩色图像自动拼接方法,基于三基色原理的平行线寻优法和十字交叉特征寻优法
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
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
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-
2008721_
- vfp9:狐友bapi经过2天昼夜奋战终于初步搞定视频捕捉.通过相邻两副图象的差分分割出运动目标,然后使用CAMSHIFT算法跟踪.经过测试,可以很好的适应不同环境,基本不受光线变化的影响.跟踪稳定,实现了动态跟踪的目标.
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
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做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j= Pi
Houghtransformation.rar
- 将霍夫变换与最小二乘法相结合,研究对实验数据和图像处理中的二值边缘图进行直线拟合的方法。 首先,用霍夫变换剔除数据点集中的干扰点或噪声,并将分布在不同直线附近的点分离出来 然后,用最小二乘法 拟合各直线。该方法既解决了直接使用最小二乘法拟合时,拟合直线易受干扰点或噪声的影响和数据点分布在 多条直线附近而无法拟合的两个问题 同时也解决了直接使用霍夫变换时,拟合直线精度不高和直线段有效区间 不容易控制的问题。,The Hough transform and least squares me
exp_filter
- matlab编写的各阶指数的指数低通滤波器对与图像的影响，画图比较滤波前后的对比图。-matlab index prepared by the index of the order low-pass filter and image of the effect of drawing the contrast to compare before and after filtering Fig.
imgpolarcoord
- 图像笛卡尔坐标转极坐标，下视景像匹配制导中，实时图和基准图的拍摄高度、方位和图像比例尺不完全一致，两图的轮廓形状存在旋转和变形等差异，边缘特征提取方法受图像灰度分布影响存在变形和移位，易导致匹配错误。用侧抑制竞争方法，图像边缘特征提取快速准确，不发生移位，对灰度变化也不敏感，再用扩展边缘特征法，克服轮廓变形对边缘匹配的影响。在此基础上，引入对数极坐标变换，进一步提高图像的抗旋转和尺度收放的匹配精度。结果表明，此方法模型简单、抗几何变形能力强且便于实现。-Cartesian coordinates
LicensePlateRecognition
- 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
MarkovModelsforDirectionalFieldand
- 指纹图像的处理经常要用到空域方向图,方向图计算 的精确性对于后继处理步骤有很大影响。前人提出的指 纹方向图的算法有很多,笔者的目的在于比较前人提出的 几种空域方向图的计算方法,-good