搜索资源列表
H.263H.263+
- 本文对 H.263/H.263+视频编解码系列的基本原理、系统结构和压缩方法等做了简 要分析，并对运动估计方法作了算法上的改进，提出了一种提前预测运动矢量分级搜索 的方法，该算法搜索点少，运算量小，精度也比较高。在此基础上，以H.263/H.263+视 频编解码算法为核心，结合Winsock编程和多线程处理等技术，在局域网内实现了基于 PC机的图像实时传输。另外，结合TI公司的高性能定点处理芯片TMS320C6416的
vc_pixregistrate
- 图像配准的vc源码，可对图像进行模板配准和基于canny边界搜索的配准
3
- 三步法快速搜索算法，以352×288、8比特/象素的序列图像为实验对象， 显示得到的预测误差图像DFD，统计DFD的分布。
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
mpeg2sf
- mpeg2全搜索算法的源代码，做图像编码很有用的。也可以和其他搜索算法对比性能
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
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,Gm
thresh
- 自动搜索最佳阈值，对图像进行二值化处理，提取边缘
ImageMatch
- 这是一个基于matlab的图像匹配算法，通过先后两帧中相同的部位，在前一帧中搜索协方差最大的匹配点。
MultimediaSearch
- 多媒体搜索。使用小波变换建立图像相关性。-multimedia search. Using wavelet transform images establish relevance.
图象的检测，模板匹配算法代码
- 图像处理，图像的检测，模板匹配算法代码，应用与模板搜索-image processing, image detection and template matching algorithm code, application templates and search
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
车牌定位
- 车牌定位 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
车牌定位
- 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
Visio2000 技术大全
- 目 录 译者序 前言 第一部分熟悉Visio 2000 第1章 理解Visio 2000 1．1 Visio中创新的SmartShape系统 1．2 Visio公司的简短介绍 1．3 哪些人可以使用Visio 1．3．1 涉及Visio技术的公司和职业 1．3．2 选择适合自己需求的Visio版本 1．3．3 获得Visio支持的方式
数据结构的C++描述
- 目 录 译者序 前言 第一部分 预备知识 第1章 C++程序设计 1 1.1 引言 1 1.2 函数与参数 2 1.2.1 传值参数 2 1.2.2 模板函数 3 1.2.3 引用参数 3 1.2.4 常量引用参数 4 1.2.5 返回值 4 1.2.6
基于快速匹配算法的交通监控系统
- 随着城市车辆的增多,交通变得越来越拥挤,所以实现实时的城市交通智能监控对于交通信息收集、规范化交通管 理及城市规划等方面具有重要的意义。针对这个问题,文中以车辆闯红灯为例,提出了一种基于计算机视频检测技术的车 辆运动监控方法。它采用了基于运动矢量的三步搜索算法,在系统实际运行中能根据目标运动方向自动排除许多人为和 自然因素的干扰,确保了图像匹配的快速性和准确性,为对闯红灯等违章行驶车辆进行有效的视频跟踪抓拍和避免误拍提 供了可靠保障
eoe_android特刊8
- 【eoe特刊】第八期 ：Android开发技巧 当掌握了一门开发语言以及一个平台的开发模式以后，基本上就可以进行开发了。但是写程序 是门很有意思的事情，特别是现在使用Java这样的语言开发，我们又了强大的开发工具，我们又了 更好的UI交互的平台，所以也诞生了很多使用的开发技巧，如果能够掌握这些小技巧无疑能为我们 的开发提速不少。 目录： 4 本期简介............................................
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
车牌定位
- 车牌定位 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