搜索资源列表
数字图像工程案例
- 数字图像工程案例,是一个有关图像领域的编程,包含细胞识别、相机调焦、运动检测、图案设计、人脸检测、数控仿真、各种特效、车牌识别(此例子未直接提供)-digital image project cases, the image is a field of programming, including cell recognition, focusing cameras, motion detection, designs, face de
LPR
- 车牌识别程序,使用sobel算子检测边缘,然后准确定位车牌,准确率高达98%以上。-license plate identification procedures, the use of pixel edge detection operator, and then accurate positioning plates, accuracy rate was as high as 98% or more.
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Gm
number_plate_orientation
- 这是一个车牌定位的小程序。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。-This is a small plates positioning procedures. The use of level detection projection plates horizontal position, using vertical projection method detection plates vertical po
license_orientation
- 车牌定位---VC++源代码程序 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
CarPlateRec
- 车牌定位与识别系统,首先将彩色图像转化为256灰度图像,然后用边缘检测和形态学等实现定位,再用神经网络方法实现字符识别.-plates positioning and identification system will first color image into a 256 grayscale image, Then Edge Detection and morphology, and so on to achieve positi
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-G
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
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Gm
cardetection
- 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
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,Gm
erwrw
- 基于Canny边缘检测的车牌字符分割方法,方法简单明了,实验效果不错-Canny edge detection based on the license plate characters segmentation method, the method is simple to understand, experiment results good
200751110558396
- 能够对大部分的车牌进行定位,和识别 .包括数字图像处理的 均衡化,灰度化,中值滤波,平滑处理,各种边缘检测算法,还有四种二值化方法 -to most of the license plates for positioning and identification. Including digital image processing balanced, gray, Median filtering, smoothing, edge
VehicleBorad
- 能够对大部分的车牌进行定位,和识别 .包括数字图像处理的 均衡化,灰度化,中值滤波,平滑处理,各种边缘检测算法,还有四种二值化方法-to most of the license plates for positioning and identification. Including digital image processing balanced, gray, Median filtering, smoothing, edge det
yundong_24_32
- 运动车辆的检测识别与跟踪_第三章车牌定位_24_32.caj,这可是花银子才下来的哦!需要安装CAJ阅读软件
lpr
- 车牌号码的自动检测先进行图像的预处理,在对预处理后的图像做边缘检测,根据车牌像素的大小进行车牌分割最后将分割的车牌保存在一个文件当中
CarCrash
- LPR 可以检测车牌,并把它从图片中提取出来,在应用领域是非常广泛的,也希望可以不帮助需要的人
cartemper
- 车牌定位代码,可以对一般的车牌进行检测定位,代码中有例图,采用VC实现,编译后可以直接运行。
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究,然后开发出一个基于 Python 的车牌识别系统,文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法,然后用颜色特征和形态特征相结合的方法来确定车牌位置,用彩色分割法来完成车牌分割,最后,运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)
车牌识别
- python实现车牌识别源码。 (1)训练字符分类器。 (2)resize为固定大小。 (3)高斯去噪。 (4)转化为灰度图。 (5)开运算。 (6)灰度图与开运算图加权求和。 (7)转化为二值图像。 (8)后利用Canny算法进行边缘检测。 (9)先开运算后闭运算使图像变为一个整体。 (10)检测矩形框。 (11)利用启发性信息过滤矩形框:矩形大小、宽高比、颜色。 (12)利用直方图分割字符(阈值设定、边缘干扰