算法不僅具有旋轉(zhuǎn)不變性, 而且對灰度變化、噪聲、光照以及對比度變化等也具有很好的魯棒性, 同時匹配速度比歸一化積相關(guān)匹配算法(N P rod) 提高了近一倍。
上傳時間： 2015-06-09
上傳用戶：anng
車牌定位－－－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:用一個初始閾值T對圖像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(jìn)行中值濾波 區(qū)域灰度基本被賦值為0?？紤]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(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車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2013-11-26
上傳用戶：懶龍1988
1.24位真彩色->256色灰度圖。 2.預(yù)處理:中值濾波。 3.二值化:用一個初始閾值T對圖像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(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車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2014-01-08
上傳用戶：songrui
在圖像模板匹配問題中,基于像素灰度值的相關(guān)算法盡管已經(jīng)十分普遍,并得到廣泛的應(yīng)用,但目前此類算法都還存在有時間復(fù)雜度高、對圖像亮度與尺寸變化敏感等缺點(diǎn).為了克服這些缺點(diǎn),提出一種新的基于圖像灰度值的編碼表示方法.這種方法將圖像分割為一定大小的方塊(稱為R-塊),計算每個R-塊圖像的總灰度值,并根據(jù)它與相鄰R-塊灰度值的排序關(guān)系進(jìn)行編碼.然后通過各個R-塊編碼值的比較,實(shí)現(xiàn)圖像與模板的匹配.新算法中各個R-塊編碼的計算十分簡單 匹配過程只要對編碼值進(jìn)行相等比較,而且可以采用快速的比較算法.新算法對像素灰度的變化與噪聲具有魯棒性,其時間復(fù)雜度是O(M2log(N)).實(shí)驗(yàn)結(jié)果表明,新算法比現(xiàn)有的灰度相關(guān)算法的計算時間快了兩個數(shù)量級.
上傳時間： 2013-12-21
上傳用戶：a673761058
一個基于C++的數(shù)字圖像處理的灰度處理源代碼，方便大家分享
標(biāo)簽： 數(shù)字圖像處理 灰度 源代碼
上傳時間： 2013-07-22
上傳用戶：sc965382896
我以前寫的一個灰度處理源代碼，比較簡單，初學(xué)者合用。
上傳時間： 2014-01-08
上傳用戶：lxm
灰度圖像邊緣檢測的函數(shù)
上傳時間： 2015-01-28
上傳用戶：gtf1207
簡單色彩過濾。可進(jìn)行以點(diǎn)陣為基礎(chǔ)的灰度模式轉(zhuǎn)換。
上傳時間： 2014-01-12
上傳用戶：tedo811
編譯器的相關(guān)東西原始碼
標(biāo)簽：
上傳時間： 2014-01-14
上傳用戶：1109003457
一個完全的4級灰度的嵌入式CDC顯示類。支持DC的全部操作。對于嵌入式開發(fā)是一個非常好的工具。
上傳時間： 2013-12-25
上傳用戶：gououo
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
