使用說明 使用時打開此例題目錄下pic中的圖片，然后依次單擊按鈕“轉”、“1”、“2”、“3”、“4”和“5”，就可以實現精確的車牌定位。 具體步驟 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： 2014-01-17
上傳用戶：851197153
sourceforge歷史版本完整下載: http://sourceforge.net/project/showfiles.php?group_id=202044 提供了基于b樹索引算法的文件數據數據庫模塊詳見storage/目錄下面的 btree.c與pager.c container目錄為常用的容器實現，如果rbtree avltree map heap list vector hashtable deque T樹 B樹, test目錄為測試程序代碼經過初步測試，比較穩定。 os_api:裝一些操作系統相關的接口函數。已完成event mutex sem thread pipe相關的封裝 advance_container:提供優先級消息隊列,普通消息隊列，定時器容器。 frame:目前提供了listerner（linux下版本，模仿ace的反應器）定時器 algorithm:補充了堆排序 與快速排序 所有代碼均已在windows linux與uclinux + arm44b0平臺下測試 歡迎交流 msn:lsccsl@163.net mail:lsccsl@tom.com
標簽： sourceforge showfiles group_id project
上傳時間： 2016-07-16
上傳用戶：lili123
使用microchip 16c54 編寫可以flash microchip 16F系列的。 功能可以讀取目前firmware版本，和即將要燒入版本。 此firmware必須和software才可以使用。
標簽： microchip firmware 16c54 flash
上傳時間： 2013-12-28
上傳用戶：myworkpost
使用8051的chip來讀取mouse資料，讀完後從RS232送出去給電腦判讀。必須配合software來顯示mouse資料
上傳時間： 2016-07-17
上傳用戶：1159797854
提供tiff檔案的讀取與轉換！內含lib與dll及標題檔等資料供設計者參考！
上傳時間： 2016-08-11
上傳用戶：王小奇
矩陣運算模塊：尋找二維數組中的最大值；尋找二維數組中的最小值；尋找一維數組中的最小值；求取兩個向量之間的歐式距離
上傳時間： 2016-08-15
上傳用戶：netwolf
The Design and Evolution of C++ 國外經典C++原版書庫《C++語言的設計和演化》/(美)斯特郎斯特魯普(Stroustrup,B)著；裘宗燕等譯 十分經典、難得！
標簽： Stroustrup Evolution Design The
上傳時間： 2016-08-17
上傳用戶：chenlong
在做2維度樣本分類的過程中,若我們能事先畫出訓練樣本在空間中的分散情形,這將有助於我們在設定SVM分類器的參數C的取值範圍. 例如:若畫出的訓練樣本的散佈較分散,我們可以得知此時採用的參數值可以取在較大的範圍. 所以本程式也是讓想要畫出資料樣本在平面的散佈情形者之一各可行工具.
上傳時間： 2016-08-19
上傳用戶：sy_jiadeyi
介紹MT9V011 CMOS數字圖像傳感器在一個基于低端ARM7處理器和CPLD(可編程邏輯器件)的嵌入式系統中的應用。通過一片CPLD讀取MT9V011采集的圖像并緩存到存儲器以備后續的處理。利用PC平臺驗證了圖像采集功能。給出了一個在低端嵌入式系統中增加圖像采集功能的實現方案。
上傳時間： 2016-08-24
上傳用戶：上善若水
介紹了一種基于低成本CMOS攝像頭的智能監控系統,實現了現場監控的實時化、智能化。系統可自動判別危險程度,可分別提供綠色、黃色和紅色報警信息,并驅動相關附屬設備工作。針對圖像傳輸過程中的噪聲,系統采用了對噪聲圖像使用局部算子的濾波技術來提高圖像質量。根據對靜態圖像進行三原色分離后誤差域的研究,達到背景與圖像分離的目的,成功實現了圖像的獲取和處理。在低成本投入下,以簡單的配置和簡便的操作達到了高性能監控系統的功能。
上傳時間： 2016-08-24
上傳用戶：chenxichenyue
