車牌定位－－－VC++源代碼程序 1.24位真彩色->256色灰度圖。 2.預處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進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。 該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區域。 4.削弱背景干擾。對圖像B做簡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,不會影響整體效果。 5.用自定義模板進行中值濾波 區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G進行中值濾波,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車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區域裁剪,截取車牌圖像。
上傳時間： 2013-11-26
上傳用戶：懶龍1988
函數模板T max(T a, T b, T c),使之實現對任何類型數，能從三個數中求出最大數返回。設計各種類型數據(char，short，long，float，double)調用此函數模板。
上傳時間： 2015-07-07
上傳用戶：時代電子小智
本書第一部分講述的是傳統的網絡接口N e t B I O S、重定向器以及通過重定向器進行的各類 網絡通信。盡管本書大部分內容均圍繞Wi n s o c k編程這一主題展開，但是， A P I比起Wi n s o c k 來，仍然具有某些獨到之處
上傳時間： 2015-07-08
上傳用戶：戀天使569
inside the c++ object model.深入c++對象模型。鼎鼎大名的Stanley B. Lippman 寫的。搞c++編程的能不看嗎？
上傳時間： 2013-12-22
上傳用戶：佳期如夢
1.24位真彩色->256色灰度圖。 2.預處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進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。 該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區域。 4.削弱背景干擾。對圖像B做簡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,不會影響整體效果。 5.用自定義模板進行中值濾波 區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G進行中值濾波,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車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區域裁剪,截取車牌圖像。
上傳時間： 2014-01-08
上傳用戶：songrui
回溯（b a c k t r a c k i n g）是一種系統地搜索問題解答的方法。為了實現回溯，首先需要為問題定義一個解空間（ solution space），這個空間必須至少包含問題的一個解（可能是最優的）。在迷宮老鼠問題中，我們可以定義一個包含從入口到出口的所有路徑的解空間；在具有n 個對象的0 / 1背包問題中（見1 . 4節和2 . 2節），解空間的一個合理選擇是2n 個長度為n 的0 / 1向量的集合，這個集合表示了將0或1分配給x的所有可能方法。當n= 3時，解空間為{ ( 0 , 0 , 0 )，( 0 , 1 , 0 )，( 0 , 0 , 1 )，( 1 , 0 , 0 )，( 0 , 1 , 1 )，( 1 , 0 , 1 )，( 1 , 1 , 0 )，( 1 , 1 , 1 ) }。
標簽： 搜索
上傳時間： 2014-01-17
上傳用戶：jhksyghr
一、 一元三次回歸方程 CubicMultinomialRegress.cs 方程模型為Y=a*X(3)+b*X(2)+c*X(1)+d public override double[] buildFormula() 得到系數數組，存放順序與模型系數相反，即該數組中系數的值依次是d,c,b,a。 以后所述所有模型的系數存放均與此相同（多元線性回歸方程除外）。 public override double forecast(double x) 預測函數，根據模型得到預測結果 public override double computeR2() 計算相關系數（決定系數），系數越接近1，數據越滿足該模型。
標簽： CubicMultinomialRegress override public double
上傳時間： 2015-11-25
上傳用戶：13215175592
雙曲線回歸方程 HyperbolaRegress.cs 注意！該模型要求a與b的值要大于0！使用該模型時應注意驗證這個限制條件。我在實現模型時未加入任何出錯流程控制。X不能為0。 方程模型為 public override double[] buildFormula() 得到系數數組，存放順序與模型系數相反，即該數組中系數的值依次是b,a。 public override double forecast(double x) 預測函數，根據模型得到預測結果。 public override double computeR2()
標簽： HyperbolaRegress 模型 方程 cs
上傳時間： 2014-11-30
上傳用戶：youke111
對數回歸方程 LogarithmRegress.cs 方程模型為 Y=a*LnX+b public override double[] buildFormula() 得到系數數組，存放順序與模型系數相反，即該數組中系數的值依次是b,a。 public override double forecast(double x) 預測函數，根據模型得到預測結果。 public override double computeR2() 計算相關系數（決定系數），系數越接近1，數據越滿足該模型。
標簽： LogarithmRegress buildFormula override public
上傳時間： 2014-01-23
上傳用戶：330402686
ITU-T G.729語音壓縮算法。 description: Fixed-point description of commendation G.729 with ANNEX B Coding of Speech at 8 kbit/s using Conjugate-Structure Algebraic-Code-Excited Linear-Prediction (CS-ACELP) with Voice Activity Decision(VAD), Discontinuous Transmission(DTX), and Comfort Noise Generation(CNG).
標簽： description commendation Fixed-point 729
上傳時間： 2014-11-23
上傳用戶：thesk123
