搜索资源列表
DigitRec
- 数字识别系统源代码: 第一步：训练网络。使用训练样本进行训练 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“
digital-recognise
- 数字识别代码 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ 另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图
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-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。
numberplate_C++Builder
- 车牌识别C++Builder代码，首先要把车牌图像灰度化，接着对图像进行中值滤波进行初步降噪，下一步进行Sobel纵向边缘检测，即增强车牌纵向边缘，边缘检测后进行二值化处理，此时车牌区域特征得到进一步加强，但同时又加强了背景中的部分噪声，所以再对其腐蚀，然后定位及截取车牌，最后对车牌进行二值化。 -LPR C Builder code, first and foremost, we should plates gray, Then the image median filtering for
CarCard_Recognize_System
- Visual C++.net 环境下开发的车牌识别系统，可以从包含车牌的图像中提取出车牌,并且将提取出的车牌灰度数值二值化-Visual C. Net development environment that the license plate recognition system includes plates from the extracted image registration, and will extract the license plate of gray numerical
reply_1_1007847
- 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
detect_vc++_
- 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
szsbxtydm
- 数字识别系统源代码.rar 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90％。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意
LR
- 车牌识别系统，用于车牌定位，车牌分割，还有图像二值化代码，灰度化代码
wenli
- 一种基于文理的车牌照图像二值化方法，在车牌照识别系统中，为了车牌识别，必须处理部分切取得灰度图像
OTSU
- OTSU 算法,自适应计算单阈值对输入的灰度图像的直方图进行分析,将图像二值化。
guiyi_gray.rar
- 车牌识别系统中，车牌灰度图像二值化阈值选取,License Plate Recognition system, license plate gray image binarization threshold selection
recog-barcode
- 通过对图像的剪切，灰度化，二值化，去躁点，来识别条形码、二维码。本源码附参考文献和测试图像。-Cut through the image, grayscale, binary, to impatient points to identify bar codes, two-dimensional code. The source with references and test images.
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。 具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－
DigitRec
- 使用说明 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作
Graphic_dispose
- 图像处理的边缘检测算法(c#) 很好的图像处理算法的源代码C#程序 可以截取图像，缩放，灰度，二值化-It is helpful for you to recognize the character in picture.
plateVs2003
- 自已用Vs 2003开发的，车牌识别程序源码，很有用的，实现简单图像处理，包括256色转灰度图、Hough变换、Walsh变换、中值滤波、二值化变换、亮度增减、傅立叶变换、反色、取对数、取指数、图像平移、图像旋转、图像细化、图像缩放、图像镜像、均值滤波、对比度拉伸、拉普拉斯锐化（边缘检测）、方块编码、梯度锐化、灰度均衡、直方图均衡、离散余弦变换、维纳滤波处理、逆滤波处理、阈值变换、高斯平滑。 -Their own development with the VC, license plate re
depthofimagegenerati
- OTSU方法计算图像二值化的自适应阈值，OTSU 算法可以说是自适应计算单阈值（用来转换灰度图像为二值图像）的简单高效方法。下面的代码最早由 Ryan Dibble提供，此后经过多人Joerg.Schulenburg, R.Z.Liu 等修改，补正。算法对输入的灰度图像的直方图进行分析，将直方图分成两个部分，使得两部分之间的距离最大。划分点就是求得的阈值。都是老外写的，经典哦。-OTSU method of adaptive image binarization threshold, OTSU
zhong
- 本文的研究背景是车牌字符识别，识别包括0-9和A-E及R，共16个字符。每个灰度图像都是由36×20个像素点组成，存储形式为36×20的矩阵。将灰度图二值化后，形成0、1矩阵。通过一些简单的图像预处理后，采用一种新的面积法进行特征提取。-This paper is the research background of license plate character recognition, identification including 0-9 and A-E and R, 16 charac
hough
- 基于霍夫变换的外形检测算法的实现，包括图像读取与显示、彩色图像转化为灰度图、灰度图二值化、膨胀腐蚀、图像轮廓提取、线性图形检测以及椭圆检测-Shape detection algorithm based on Hough transform implementation, including the image read and display color images into grayscale, grayscale binary and expansion corrosion image