搜索资源列表
TextDetect
- 云行TextDetection.exe程序，打开任意一幅bmp文件。点击“操作 检测文本区域”， 变会弹出文本检测的结果框。框内设定显示前六个文本区域的二值化结果，注意该框不要移动。关闭该框，BMP文件原始图像中用红色矩形框显示出检测出的文本区域。-cloud OK TextDetection.exe procedures, arbitrary opened a bmp file. Click on the "operational # 61664 Detection
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
digitshibie
- 图形数字识别： 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-graphics figures recognition : the first step : training netw
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
Character_Recognition_Using_Neural_Networks
- Character Recognition Using Neural Networks Steps to use this GUI. 1. Open the GUI figure, run it. (accept the matlab to change its directory to new location where the file is stored) 2. First we need to teach Character to computer. For this ty
shuzishibie
- 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％ -Digital identification code the first step: Training Network. Th
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
Motion_Detection
- Motion detection results If you double-click the Switch block so that the signal is connected to the SAD side, the Video Viewer block displays the SAD values, which represent the absolute value of the difference between the current and pr
cluster
- 在左视图上单击鼠标左键，可获得3种数据源：【标准数字聚类】、【手画图形聚类】、【位图文件分析聚类】。 (1) 标准数字 在工具条中按下【标准数字聚类】按钮后，选择工具条上提供的各种标准数字。在左视图就会得到多个标准数字。 每行中存放的标准数字个数与blank.bmp文件大小有关，读者可以自行修改该文件的大小，应注意该文件应该是n×n的，比如500×500 。 (2)手写数字 在工具条中按下【手画图形聚类】按钮后，拖动鼠标左键画各种数字或图形，注意每一个物体要连通。 (3
Classification_procedures
- 手写数字识别：手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类-Handwritten numeral recognition: handwritten handwritten numbers or open an existing digital image, the blank space in the right view, click the left mouse button to activate the
TextOCR
- 通过0ffice2003识别图片中的文字，点击鼠标左键，鼠标周围的屏幕形成图片并识别其中文字-0ffice2003 identified by text in the image, click the left mouse button, the mouse around the screen to form pictures and identify which words
developmant--board
- 图形数字识别： 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 [character_recgnize_VC.rar] - 图像识别的经典案例，文字识别，部分用到matlab编程技术 -Graphics digital recognition: the first s
Vehicle-Recognition-System
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -First click Load Image menu item (loaded background and foreground images), below the image in the image file fol
chengxingshibie
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -1 First, click Load Image menu item (load background and foreground image), the image in the image folder below.