-
車(chē)牌定位－－－VC++源代碼程序
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個(gè)初始閾值T對(duì)圖像A進(jìn)行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對(duì)不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。
4.削弱背景干擾。對(duì)圖像B做簡(jiǎn)單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會(huì)影響整體效果。
5.用自定義模板進(jìn)行中值濾波
區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對(duì)G進(jìn)行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測(cè)車(chē)牌水平位置,利用垂直投影法檢測(cè)車(chē)牌垂直位置。
7.區(qū)域裁剪,截取車(chē)牌圖像。
標(biāo)簽：
1.24
256
圖像
閾值
上傳時(shí)間：
2013-11-26
上傳用戶：懶龍1988
-
本書(shū)第二部分講述的是在Wi n 3 2平臺(tái)上的Wi n s o c k編程。對(duì)于眾多的基層網(wǎng)絡(luò)協(xié)議，
Wi n s o c k是訪問(wèn)它們的首選接口。而且在每個(gè)Wi n 3 2平臺(tái)上，Wi n s o c k都以不同的形式存在著。
Wi n s o c k是網(wǎng)絡(luò)編程接口，而不是協(xié)議。它從U n i x平臺(tái)的B e r k e l e y（B S D）套接字方案借鑒了
許多東西，后者能訪問(wèn)多種網(wǎng)絡(luò)協(xié)議。在Wi n 3 2環(huán)境中，Wi n s o c k接口最終成為一個(gè)真正的
“與協(xié)議無(wú)關(guān)”接口，尤其是在Winsock 2發(fā)布之后。
標(biāo)簽：
分
編程
網(wǎng)絡(luò)協(xié)議
上傳時(shí)間：
2015-07-08
上傳用戶：thinode
-
利用“原始套接字”（Raw Socket），我們可訪問(wèn)位于基層的傳輸協(xié)議。本章專(zhuān)門(mén)講解如
何運(yùn)用這種原始套接字，來(lái)模擬I P的一些實(shí)用工具，比如Tr a c e r o u t e和P i n g程序等等。使用原
始套接字，亦可對(duì)I P頭信息進(jìn)行實(shí)際的操作。本章只關(guān)心I P協(xié)議；至于如何針對(duì)其他協(xié)議使
用原始套接字，我們不打算提及。而且，大多數(shù)協(xié)議（除AT M以外）根本就不支持原始套接
字。所有原始套接字都是使用S O C K _ R AW這個(gè)套接字類(lèi)型來(lái)創(chuàng)建的，而且目前只有Wi n s o c k
2提供了對(duì)它的支持。因此，無(wú)論Microsoft Windows CE 還是老版本的Windows 95 （無(wú)
Winsock 2升級(jí)）均不能利用原始套接字的能力。
標(biāo)簽：
Socket
Raw
套接
上傳時(shí)間：
2015-07-08
上傳用戶：時(shí)代電子小智
-
一個(gè)用于復(fù)雜網(wǎng)絡(luò)研究中計(jì)算網(wǎng)絡(luò)靜態(tài)參數(shù)（度分布，簇系數(shù)等）的c程序（其中的數(shù)據(jù)是具體的可換成其他的數(shù)據(jù)）。很簡(jiǎn)單但是對(duì)于做復(fù)雜網(wǎng)絡(luò)研究的卻很有啟發(fā)的哦。
標(biāo)簽：
復(fù)雜網(wǎng)絡(luò)
參數(shù)
分布
計(jì)算
上傳時(shí)間：
2013-12-10
上傳用戶：無(wú)聊來(lái)刷下
-
基于DOS的多任務(wù)系統(tǒng)的實(shí)現(xiàn)
1. 用C語(yǔ)言完成線程的創(chuàng)建和撤消，并按優(yōu)先權(quán)加時(shí)間片輪轉(zhuǎn)算法對(duì)多個(gè)線程進(jìn)行調(diào)度；
2. 改變時(shí)間片的大小，觀察結(jié)果的變化。思考：為什么時(shí)間片不能太小或太大；
3. 假設(shè)兩個(gè)線程共用同一軟件資源（如某一變量，或某一數(shù)據(jù)結(jié)構(gòu)），請(qǐng)用記錄型信號(hào)量來(lái)實(shí)現(xiàn)對(duì)它的互斥訪問(wèn)；
4. 假設(shè)有兩個(gè)線程共享一個(gè)可存放5個(gè)整數(shù)的緩沖，一線程不停的計(jì)算1到50的平方，并將結(jié)果放入緩沖中，另一個(gè)線程不斷的從緩沖中取出結(jié)果，并將他們打印出來(lái)，請(qǐng)用記錄型信號(hào)量實(shí)現(xiàn)這一生產(chǎn)者和消費(fèi)者的同步問(wèn)題；
5. 實(shí)現(xiàn)消息緩沖通信，并于3，4中的簡(jiǎn)單通信進(jìn)行比較；
6. 思考：在線程間進(jìn)行消息緩沖通信時(shí)，若對(duì)消息隊(duì)列的訪問(wèn)沒(méi)有滿足互斥要求，情況會(huì)怎么樣？
標(biāo)簽：
DOS
C語(yǔ)言
多任務(wù)系統(tǒng)
線程
上傳時(shí)間：
2013-12-20
上傳用戶：趙云興
-
C#進(jìn)銷(xiāo)存系統(tǒng),WinForm與SQLServer開(kāi)發(fā),配有數(shù)據(jù)庫(kù)文件,
1、把goods數(shù)據(jù)庫(kù)附加在SQL SERVER中。
2、連接數(shù)據(jù)庫(kù)的登錄賬號(hào)為：J110，登錄密碼：654321。
3、數(shù)據(jù)庫(kù)連接字串：Server=localhost uid=sa pwd=123456 database=goods。
標(biāo)簽：
SQLServer
WinForm
SERVER
goods
上傳時(shí)間：
2015-08-28
上傳用戶：維子哥哥
-
本算法的基本功能是用C＋＋語(yǔ)言實(shí)現(xiàn)了APRIORI算法，用戶可以先選擇要進(jìn)行的操作。然后再輸入支持度和置信度，就可得到挖掘的結(jié)果。
輸出的結(jié)果主要包括兩個(gè)部分。
1．輸出所有的頻繁項(xiàng)集。
2．輸出所有的產(chǎn)生的規(guī)則。
算法還能夠輸出初始的事務(wù)集合，并且可以輸出產(chǎn)生的中間結(jié)果。
標(biāo)簽：
APRIORI
算法
語(yǔ)言
上傳時(shí)間：
2013-12-20
上傳用戶：wpwpwlxwlx
-
1.24位真彩色->256色灰度圖。
2.預(yù)處理:中值濾波。
3.二值化:用一個(gè)初始閾值T對(duì)圖像A進(jìn)行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對(duì)不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。
4.削弱背景干擾。對(duì)圖像B做簡(jiǎn)單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會(huì)影響整體效果。
5.用自定義模板進(jìn)行中值濾波
區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對(duì)G進(jìn)行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測(cè)車(chē)牌水平位置,利用垂直投影法檢測(cè)車(chē)牌垂直位置。
7.區(qū)域裁剪,截取車(chē)牌圖像。
標(biāo)簽：
Gmax-G
1.24
Gmax
閾值
上傳時(shí)間：
2014-01-08
上傳用戶：songrui
-
一個(gè)很好用的 lcd 時(shí)鐘程序 C語(yǔ)言
#include<reg51.h>
#include<stdio.h>
//定義計(jì)時(shí)器0 的重裝值
#define RELOAD_HIGH 0x3C
#define RELOAD_LOW 0xD2
//定義按鍵彈跳時(shí)間
#define DB_VAL
//定義設(shè)置模式的最大時(shí)間間隔
#define TIMEOUT 200
//定義游標(biāo)位置常數(shù)
#define HOME 0
#define HOUR 1
#define MIN 2
#define SEC 3
標(biāo)簽：
include
define
RELOAD
stdio
上傳時(shí)間：
2014-12-19
上傳用戶：zukfu
-
基于小波零樹(shù)特性的視覺(jué)感知度模型的優(yōu)化方案, 給出了兩種水印算法: 一種算法嵌入的是高斯序列水印, 通過(guò)相關(guān)檢測(cè)實(shí)現(xiàn)盲檢測(cè) 另一種算法嵌入的是二值圖像水印, 水印的提取是非盲提取。這兩種算法在所有重要小波系數(shù)( 包括最低頻系數(shù)) 中嵌入水印, 以達(dá)到最大化水印嵌入量的目的, 并結(jié)合感知度模型在水印的透明性和魯棒性之間實(shí)現(xiàn)了較好的平衡, 對(duì)于常見(jiàn)的圖像處理操作, 特別是對(duì)于JPEG 和小波壓縮均有較好的魯棒性。
標(biāo)簽：
水印
算法
零
樹(shù)
上傳時(shí)間：
2015-09-27
上傳用戶：lmeeworm
