搜索资源列表
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
41241
- 图象处理中运动估计的一种全搜索块匹配法的实现程序!-image processing campaign estimated a full search block matching program to realize!
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
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
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-
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
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
puzzle
- 请设计算法,使用至多4种不同颜色对七巧板进行涂色(每块涂一种颜色),要求相邻区域的颜色互不相同,打印输出所有可能的方案。 提示:可以把七巧板上的每个区域看成一个顶点,若两个区域相邻,则相应的顶点间用一条边相连,这样将七巧板转换为图,该问题实质上是一个图的搜索问题。 -Please design algorithm, using up to 4 different colors for coloring on the puzzle (each block of color coated),
Search_for_TIF
- 自己写的一个搜索TIF图片信息的程序,可以获取TIF图的CMYK,分辨率-Write a TIF image information search process, you can obtain the TIF map CMYK, resolution
Digitalsubtraction
- 数字减影血管造影( DSA) 通过向血管中注入造影剂, 使血管的整体影像的对比度有了明显的增强, 然后通 过造影前后图像的相减运算, 可以去除非血管器官的影像, 得到血管更清晰的图像, 目前广泛应用于心血管疾病的 诊断。由于患者的呼吸运动, 使得不同时间采集的图像相减后会产生运动伪影。为了消除运动伪影, 从医生临床上 对于心脏的运动以胸腔的横膈膜为参考目标得到启发, 首先得到很多幅注入造影剂之前的图像( 掩膜图像) 和一幅 注入造影剂之后的图像( 造影图像) , 然后指定其中的一
chepaichuli
- 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
- 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
Tabu--search--for--graph-
- 用禁忌搜索方法求解图分割问题,大师级人物Fred Glover写的文章,是禁忌搜索的一个典型应用。里面给出了禁忌搜索的流程,算例的结果是与Simulated annealing和Kernighan-Lin s heuristic两种方法进行比较-develop a tabu search procedure for solving the uniform graph partitioning problem
1
- 车牌定位 牌照搜索: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 具体步骤 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。
Speckle-Tracking
- 超声心动图散斑跟踪是基于医学超声成像技术,通过跟踪心肌组织内部大量的散射粒子形成的散斑或散斑模式,确立了菱形搜索、SAD匹配准则-Echocardiographic speckle tracking is based on the medical ultrasonic imaging technology, by tracking the myocardial tissue within a large amount of scattering particles speckle or spec
xitong1
- 图象增强就是将原来不清楚的图像变得清晰或把我们感兴趣的某些特征强调出来,以改善图像的视觉效果或便于对图像进行其他处理。灰度图像的非线性变换是一种有效的图像增强方法,该方法对不同灰度特征的图像采用不同的非线性变换曲线进行调整。归一化非完全Beta函数可以拟合图像调整的各种非线性变换曲线,不同的参数值分别对应于不同类型的图像非线性变换曲线,但通常确定该函数参数需要采用穷举法和人工介入法,计算量大且无智能性。 量子遗传算法是量子计算和遗传算法相结合的一种新的优化算法。量子遗传算法建立在量子的态矢量
分散递阶蚁群算法及其在相变序列图像分割中的应用
- 提出了一种分散、递阶蚁群算法, 它将多个分散的蚁群并行求解各自对应的子问题, 形成一个执行层, 而递阶协调层利用执行层反馈的信息协调执行层的优化过程,从而得到递阶求解问题的整体最优解. 该算法已应用于相变热图序列图像模糊相变线的提取问题,即运用区域划分方法先将序列图像的分割转化为关联型多子图搜索问题,再利用分散 、递阶蚁群算法进行求解 ,结果表明该算法能很好地利用相变线的运动信息成功地解决热相变序列图像分割问题. 与蚁群算法独立搜索比较 ,分散 、递阶蚁群算法能更有效地实现多子图之间的关联.(A