Search - c B - CodeBus

Search - c B - List

[Graph Recognize] 一维条形码打印系统 DL : 0: 条形码的生成原理：条形码的第一数据部分是由 7个数字形成的，其形成的方法详述如下： n 首先使用产生和匹配的字母码，该字母码有6个字母组成，字母限于A和B。产生字母码的列表如下字母码 0 AAA 1 AABABB 2 AABBAB 3 AABBBA 4 ABAABB 5 ABBAAB 6 ABBBAA 7 ABABAB 8 ABABBA 9 ABBABA 表一映射表 n 将和产生的字母码按位进行搭配，来产生一个数字-字母匹配对。并通过查表来得到形成的条形码第一数据部分。将和C进行搭配，并通过查表得到形成的条形码的第二数据部分。该映射表如表二所示：数字-字母匹配对二进制信息 0A 0001101 0B 0100111 0C 1110010 1A 0011001 1B 0110011 1C 1100110 2A 0010011 2B 0011011 2C 1101100 3A 0111101 3B 0100001 3C 1000010 4A 0100011 4B 0011101 4C 1011100 5A 0110001 5B 0111001 5C 1001110 6A 0101111 6B 0000101 6C 1010000 7A 0111011 7B 0010001 7C 1000100 8A 0110111 8B 0001001 8C 1001000 9A 0001011 9B 0010111 9C 1110100 表二数字-字母映射表 n 绘制条形码：通过映射表二得到的二进制数码进行绘制，1对应黑线，0对应白线。 -barcode generation principle : bar code data of the first part by the seven figures formed, and the formation of detailed as follows : n the first use of the alphabet and matching code, the code letters are six letters and the letters A and B limited. The letter generated code shown in the table below in alphabetical code AAAAAA a AABABB 0 2 3 AABBAB ABAABB AABBBA 4 5 6 ABBBAA ABBAAB ABABAB 7 8 9 ABBABA ABABBA Mapping Table 1 and Table n to the alphabetical code by bits mix to produce a digital-match letters right. Tabular and to get through the formation of the first bar code data part. Will and C match, and a look-up table to be formed by the bar code data of the second part. The mapping table as shown in Table 2 : Digital-letter matching pair of binary information 0A 0001101 0B 0C
Date : 2008-10-13 Size : 68.43kb User : 小智
[Graph Recognize] CardRecognization DL : 0: 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-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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-number plate recognition system for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color -
Date : 2008-10-13 Size : 707.17kb User : 洪清启
[Graph Recognize] mexhandle DL : 0: you can pass C++ objects between different MEX functions without first converting to a MatLab compatible format-you can pass objects between different C ME X functions without first converting to a MatLa b compatible format
Date : 2008-10-13 Size : 4.94kb User : sunxiaodian
[Graph Recognize] reply_1_1007847 DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-positioning plates for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color -
Date : 2008-10-13 Size : 113.28kb User : csyw
[Graph Recognize] detect_vc++_ DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-use when used to break pic examples directory of images, then click the buttons were "transferred" "1" and "2", "3" and "4" and "5", we can achieve precise positioning of the plates. Concrete steps 1.24 true color -
Date : 2008-10-13 Size : 2.61mb User : 张甲杰
[Graph Recognize] eigenfaces_sample DL : 0: Eigenfaces is used to representing a face by projecting original images onto a face space defined by eigenvectors, and then a new face is compared to known faces by calculating the distance between their projections onto face space. -Eigenfaces is used to representing a face b y original projecting images onto a face space d efined by eigenvectors. and then a new face is compared to known faces by c alculating the distance between their project ions onto face space.
Date : 2008-10-13 Size : 2.18kb User : henry
[Graph Recognize] 车牌定位 DL : 0: 车牌定位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-Pi,j-1 i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-positioning plates used to break pic examples directory of images, and then click the button "turn", "1", "2", "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-gt; 256-color grayscale. 2. Pretreatment : median filter. 3. Binary : an initial threshold value T A pair of images for two to be two binary images B value. T initial threshold value to determine the method is : Select threshold T = Tc - (Tc-Gmin) / 3, respectively Gmin saturated and is the highest and the lowest gray value. The threshold values for different licenses are certain adaptability, to ensure that basic background was home to 0, to highlight regional licenses. 4. Weakened background interference. The images do sim
Date : 2008-10-13 Size : 717.34kb User : 何问宇
[Graph Recognize] 车牌定位 DL : 1: 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-Pi,j-1|i=0,1,…,439;j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。
Date : 2009-04-26 Size : 733.14kb User : feigejafe
[Graph Recognize] 车牌定位 DL : 1: 车牌定位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-Pi,j-1 i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-positioning plates used to break pic examples directory of images, and then click the button "turn", "1", "2", "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-gt; 256-color grayscale. 2. Pretreatment : median filter. 3. Binary : an initial threshold value T A pair of images for two to be two binary images B value. T initial threshold value to determine the method is : Select threshold T = Tc- (Tc-Gmin)/3, respectively Gmin saturated and is the highest and the lowest gray value. The threshold values for different licenses are certain adaptability, to ensure that basic background was home to 0, to highlight regional licenses. 4. Weakened background interference. The images do sim
Date : 2025-12-21 Size : 717kb User : 何问宇
[Graph Recognize] 一维条形码打印系统 DL : 0: 条形码的生成原理：条形码的第一数据部分是由 7个数字形成的，其形成的方法详述如下： n 首先使用产生和匹配的字母码，该字母码有6个字母组成，字母限于A和B。产生字母码的列表如下字母码 0 AAA 1 AABABB 2 AABBAB 3 AABBBA 4 ABAABB 5 ABBAAB 6 ABBBAA 7 ABABAB 8 ABABBA 9 ABBABA 表一映射表 n 将和产生的字母码按位进行搭配，来产生一个数字-字母匹配对。并通过查表来得到形成的条形码第一数据部分。将和C进行搭配，并通过查表得到形成的条形码的第二数据部分。该映射表如表二所示：数字-字母匹配对二进制信息 0A 0001101 0B 0100111 0C 1110010 1A 0011001 1B 0110011 1C 1100110 2A 0010011 2B 0011011 2C 1101100 3A 0111101 3B 0100001 3C 1000010 4A 0100011 4B 0011101 4C 1011100 5A 0110001 5B 0111001 5C 1001110 6A 0101111 6B 0000101 6C 1010000 7A 0111011 7B 0010001 7C 1000100 8A 0110111 8B 0001001 8C 1001000 9A 0001011 9B 0010111 9C 1110100 表二数字-字母映射表 n 绘制条形码：通过映射表二得到的二进制数码进行绘制，1对应黑线，0对应白线。 -barcode generation principle : bar code data of the first part by the seven figures formed, and the formation of detailed as follows : n the first use of the alphabet and matching code, the code letters are six letters and the letters A and B limited. The letter generated code shown in the table below in alphabetical code AAAAAA a AABABB 0 2 3 AABBAB ABAABB AABBBA 4 5 6 ABBBAA ABBAAB ABABAB 7 8 9 ABBABA ABABBA Mapping Table 1 and Table n to the alphabetical code by bits mix to produce a digital-match letters right. Tabular and to get through the formation of the first bar code data part. Will and C match, and a look-up table to be formed by the bar code data of the second part. The mapping table as shown in Table 2 : Digital-letter matching pair of binary information 0A 0001101 0B 0C
Date : 2025-12-21 Size : 68kb User : 小智
[Graph Recognize] 200561555616250020000 DL : 0: 车牌识别系统需要注意的地方：使用VC++6.0做开发工具，采用简单的SDI框架结构，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程应用程序生成--》打开--》CDipView的OnFileOpen 函数--》调用CDipDoc的FileOpen 函数--》并使用myDoc->UpdateAllViews(NULL) 刷新自动调用CDipView的OnPaint函数--》调用CDipView的OnDraw函数----一个像素点一个像素点的画 //+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ 比较重要的地方读BMP文件，只能打开256色（可以是灰度）显示和内存贴图技术关于调色板：调色板实际上是一个数组，4个BYTE 分别是 B,G,R,和 Reserved 每一个像素点都有一个相应的数组。-LPR system needs to the attention of the local : VC 6.0 do use development tools, SDI simple frame structure, handling a bitmap (interested can make MDI) 1) bitmap data is the information from the right and the left for his , and his party up his platoon. 2) pixels per line should be in multiples of four, the inadequacies of the points are filled with empty, Reading, the point to skip redundant. 3) key data exists inside Doc. BMP key data on the existence of a ImgData BYTE directly to the type of memory space (according to the Bitmap a small, dynamic allocation). 4) Data Reading come after, pay attention to the memory mapping, in order to ensure high efficiency. 5) implementation of procedures for application generation process-- "Open--" the OnFileOpe CDipView n Functions-- &
Date : 2025-12-21 Size : 228kb User : yanglin
[Graph Recognize] CardRecognization DL : 0: 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-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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-number plate recognition system for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-
Date : 2025-12-21 Size : 729kb User : 洪清启
[Graph Recognize] mexhandle DL : 0: you can pass C++ objects between different MEX functions without first converting to a MatLab compatible format-you can pass objects between different C ME X functions without first converting to a MatLa b compatible format
Date : 2025-12-21 Size : 5kb User : sunxiaodian
[Graph Recognize] reply_1_1007847 DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-positioning plates for use when used to break pic examples directory of images, Click the button followed by a "U-turn", "1", "2" and "3" and "4" and "5", can achieve precise positioning of the plates. Concrete steps 1.24 true color-
Date : 2025-12-21 Size : 113kb User : csyw
[Graph Recognize] detect_vc++_ DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-use when used to break pic examples directory of images, then click the buttons were "transferred" "1" and "2", "3" and "4" and "5", we can achieve precise positioning of the plates. Concrete steps 1.24 true color-
Date : 2025-12-21 Size : 2.61mb User : 张甲杰
[Graph Recognize] eigenfaces_sample DL : 0: Eigenfaces is used to representing a face by projecting original images onto a face space defined by eigenvectors, and then a new face is compared to known faces by calculating the distance between their projections onto face space. -Eigenfaces is used to representing a face b y original projecting images onto a face space d efined by eigenvectors. and then a new face is compared to known faces by c alculating the distance between their project ions onto face space.
Date : 2025-12-21 Size : 2kb User : henry
[Graph Recognize] carcarddetect DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-err
Date : 2025-12-21 Size : 2.61mb User : 吕煊
[Graph Recognize] FaceDetection_Based_on_a_New_Nonlinear_Color_Space DL : 0: 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几形态边缘检测算子检测候选区域的边缘, 利用边缘方向 PCA PCAED ( ) 何形状信息定位其他特征鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确的人脸区域。利用3 个实验数据集测试该算法, 并与其它相应的算法相比较, 提出的非线性彩色空间对于肤色分割具有很好的效果, 且对光照和姿态具有良好的不变性。另外, 利用信息和几何特征信息检测人脸特征 PCAED 具有很高的定位精度, 定位检测率优于其他方法。实验结果表明, 该算法具有定位准确率高, 漏检率和误检率低等特点。- A novel approach for skin segmentation and facial feature extraction is proposed The proposed skin segmentation is a method for integrating the chrominance components of ″″ . ″″ r b r b nonlinear YC C color model The chrominance components of nonlinear YC C color space , are modeled using a subgaussian probability density function and then the face skin is seg . , mented based on this function In order to authenticate the face candidate regions firstly tex ture information in face candidate regions is segmented using mean and variance of luminance , . , information and then the eye is located by the PCA edge direction information Finally the , , others features such as nose and mouth also are detected using the geometrical shape infor . 2 , mation As all the above mentioned techniques are simple and efficient the skin segmentation . based on nonlinear color spacemethod has the invariability of lighting and pose In the experi , . ments themethod has been successfull
Date : 2025-12-21 Size : 448kb User : zz
[Graph Recognize] chepaishibie DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。-my english is poor
Date : 2025-12-21 Size : 2.61mb User : 张雪峰
[Graph Recognize] cardrecognition DL : 0: 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-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索: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。 7.区域裁剪,截取车牌图像。 -This file contains a summary of what you will find in each of the files that make up your TypeRec application. TypeRec.dsp This file (the project file) contains information at the project level and is used to build a single project or subproject. Other users can share the project (.dsp) file, but they should export the makefiles locally. TypeRec.h This is the main header file for the application. It includes other project specific headers (including Resource.h) and declares the CTypeRecApp application class. TypeRec.cpp This is the main application source file that contains the application class CTypeRecApp. TypeRec.rc This is a listing of all of the Microsoft Windows resources that the program uses. It includes the icons, bitmaps, and cursors that are stored in the RES subdirectory. This file can be directly edited in Microsoft Visual C++. TypeRec.clw This file contains information used by ClassWizard to
Date : 2025-12-21 Size : 1.34mb User : 张青

« 12 »