搜索资源列表
车牌识别
- 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程 应用程序生成--》
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”－“
testtoutline
- 对字进行点分解，用BEZIER曲线进行联接，而且实现旋专功能-right word for the counting of decomposition, using Bezier curves connectivity, but also to the rotation function
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
cornerdet01
- 角点检测程序，能够标记出图像中的角点。角点检测是图像匹配对第一步-corner detection procedures can mark up images of the corner. Corner detection is the first step in image matching
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
jiancechengxu
- 角点检测的一个MATLAB源代码，希望对初学者有点帮助。-corner detection of a MATLAB source code, and I hope to be useful to beginners.
FaceDetectingSystem
- 本程序实现了通过对人的眼睛和嘴巴三点的定位实现了对人脸的检测.
Graphex
- 一个很酷的粒径测量软件，对微粒，微球，颗粒等照片用鼠标测量其粒径的软件，使用时从菜单的打开选项打开微球的BMP照片,然后从点击工具按钮的“—》”按钮输入存储测量数据的文件，确定后按住鼠标左键从照片中球的边缘一点划到对面边缘一点，即你认为从起点到终点可以作为球的直径时松开左键，则从起点到终点的点数就存到数据文件中，一般一张图片上百个球也很快就能处理完，这样的得到的是点数，然后你在用比例尺照片的点数相除就转换为真是单位量度,如有疑问请发邮件 yjdai@126.com
HarrisandForstner
- 关于角点检测算法Harris,Forstner经典算子在VC++中的实现,该方法对图象清晰的效果好，所以检测前最好进行锐化什么的
112233
- 在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方
22219011211120071115164509189959
- SUSAN算子用于角点检测的基本步骤： 1） 对于感兴趣的每个象素点（一般的情况就是图像中的每个象素点）作用一圆模板； 2） 根据亮度比较函数计算圆模板中的USAN区域； 3） 根据几何阈值，计算象素点的初始响应； 4） 使用USAN重心与核中心的距离法则去除伪角点，使用USAN重心与核中心的连线上的每个点都必须在USAN区域来保证算法的一致性（即USAN区域的相连性） 5） 对每个象素点的响应，使用 （或更大）的窗口搜索局部极大值，进行非极大值抑制
Patternmatching1
- 针对传统图像相关匹配算法计算量较大的问题,研究图像库中相关图像搜索方法. 提出一种改进的相关 匹配算法,该方法通过对相关系数公式进行简化和迭代运算,减少了重复运算. 通过设定参考图像与目标图像的相 关系数阈值,只需计算方差相差较小的点的相关系数,提高了运算速度,计算时间减少到原来的14 ％ ,甚至更短. 在文件夹的图像搜索中实现了图像的快速匹配.
ComputerVision
- 本文讨论了2D图像像点属性划分原理，实现一个2D图像生成与像点属性划分系统，本系统可以对给定的正方形边长和圆半径生成2D图像，并对鼠标点击的像点进行区域属性的划分。实验结果表明本系统的像点划分结果是正确的。
face
- 本文介绍了一种灰色图像识别中进行人眼睛定位的算法,首先是根据人脸的水平灰度直方图来确定眼睛的位置,然后, 通过计算眼眶部分像素点的垂直灰度直方图来确定两眼中心,接着从获得的区域中找出一定数量的灰度值小的点,对这些点进行添加、删除和计算,实现眼睛的定位．
subfinder
- 数码相机定位在交通监管（电子警察）等方面有广泛的应用。所谓数码相机定位是指用数码相机摄制物体的相片确定物体表面某些特征点的位置。最常用的定位方法是双目定位，即用两部相机来定位。对物体上一个特征点，用两部固定于不同位置的相机摄得物体的像，分别获得该点在两部相机像平面上的坐标。只要知道两部相机精确的相对位置，就可用几何的方法得到该特征点在固定一部相机的坐标系中的坐标，即确定了特征点的位置。于是对双目定位，精确地确定两部相机的相对位置就是关键，这一过程称为系统标定。
车牌识别定位vc版
- 车牌定位识别程序，算法为先对车牌图进行灰度化，接着二值化，找点，然后定位矩形车牌，最后标出车牌位置。这个程序为图象处理的有一个经典的实例-plates positioning identification procedures, the algorithm first pair of plates map Gray, then two values, find the point and positioning rectangular plates, plates marked the fina
shuzituxiangchuli
- 在传统图像识别中的模板匹配技术面临着计算量大，存储量大的缺点，因此提出了基于遗传算法的图像识别的方法。本文提出了传统的基于遗传算法和normxcorr2结合的方法，对图像进行离散化，然后把图像识别问题变成一系列的离散点组合优化问题，再利用遗传算法对种群优化的性能，对各个控制点组合优化，让控制点与模板进行匹配，寻出最优解。最后通过实验验证遗传算法在图像识别的优点。-In the traditional image recognition in the face template matching
orc00001
- 基于Shape Context的字符识别算法介绍 本算法提出了一种新的计算形状相似度的方法，并且把这种方法应用到目标识别领域中。 这中相似度衡量的方法主要经过以下几个步骤： (1)在两个形状上找到匹配的点对 (2)使用匹配的点对估计两个形状的形变程度。为了解决匹配点对的问题，本算法中引入了一个描述向量，即Shape Context，每一个点都有一个描述向量。Shape Context 以某个点为参考点，统计其他的点在他周围的分布特征，根据这个分布特征，就可以知道该点所处的全局
dutuajiaozheng
- 读取图像，检测特征点，寻找匹配特征点对，运用几何约束去除外点，校正图像-Reads the image detection feature point, look for matching feature points, the use of geometric constraints to except point, the corrected image