本文首先介绍完整的文档处理系统以及其预处理模块，然后将重点放在二值化问题上，给出图像阈值化方法的综述，并对全局阈值化、局部动态阈值化等方法的优点和缺点给出评价。
上传时间： 2014-01-09
上传用户：wangzhen1990
基于vc++车牌定位系统，介绍了课程设计的内容和步骤，然后分析了图像与处理中运用到的处理方法，如灰度变换，中值滤波，二值化等。最后是检测车牌上下界和左右界，从而定位出车牌。
上传时间： 2016-03-22
上传用户：zhangzhenyu
可通过人机界面上位机控制二维步进电机平台的运动，可以应用二维图像扫描成像。
上传时间： 2014-11-16
上传用户：edisonfather
用于去除背景，得到原图与背景相减的图像并二值化
标签： 背景
上传时间： 2016-06-12
上传用户：sjyy1001
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。
上传时间： 2014-01-17
上传用户：851197153
有了合适的处理对象，剩下的就是技术问题了。在数字运动检测中运用的关键技术有图像数据读取、图像的中值滤波、图像灰度化、图像梯度的获取、图像特征区域的确定、两幅图像的匹配、图像二值化、图像细化、图像去离散点的操作、物体的区域定位、物体中心点的取得，最后再从图片中得到物体运动轨迹。本运动检测系统是为了实现对一系列图片中运动物体的跟踪而设计的，它通过对一系列图片的处理，提取出图片背景，识别出运动物体，进而对运动物体进行跟踪，得到物体运动的轨迹。本文主要阐述了什么是数字图像处理、数字图像处理的基本要求、数字图像处理的实践及开发工具的特点、功能、
标签： 对象
上传时间： 2013-12-11
上传用户：shinesyh
用于打开,保存，编辑图像的VC代码。。也可以进行二值化.......
标签：
上传时间： 2017-04-11
上传用户：ccclll
本系统以STM32F103RBT单片机为主控，控制OV7670摄像头（带FIFO）进行图像采集，通过模式识别、匹配，最后获得车牌的识别结果。为尽大可能的提高处理速度，STM32单片机进行了16倍频。识别主要过程包括图像采集、二值化分析、识别车牌区域、字符分割、字符匹配五过程。实物图：原理图：程序：部分文件截图：
上传时间： 2022-03-19
上传用户：
本次毕业论文的内容主要包括两个方面：（1)确定基于肤色特征的人脸识别算法流程并实现MATLAB仿真.根据目前已有的人脸识别算法和学过的有关图像处理知识确定出适合本次论文的最优算法，确定算法时的重点是将肤色判断作为人脸检测的预处理，即研究肤色模型的选取和建立、肤色分割的方法以及人脸区域的获得；再根据面部特征提取出人脸的大致框架，通过人脸面积、高宽比、欧拉数等来判断每块区域是否为人脸，最后得到图片中人脸的比较精确的位置。在确定算法时就应该要综合考虑各方面的因素，要尽可能的提高人脸识别的时间效率，提高识别率。（2）设计出GUI界面，实现人脸识别功能。MATLAB/GUI自带了很多工具箱函数，方便快捷。设计好的GUI界面只需通过鼠标等简洁的方式与计算机交换信息，选择想要运行的程序，实现快速识别。本次设计的GUT界面有窗口、光标、按键、菜单、文字说明等对象（Object)，主要包含读入图像，转换颜色空间，皮肤概率图像，皮肤二值化和定位五个部分，其中使用了开关按钮（ToggleButton)、静态文本框（Static Text)、坐标系（Axes)和面板（Pane1)按钮，要对其进行合理布局，注意回调函数的嵌入。在设计过程中要熟悉MATLAB编程环境，注意控件的选用和参数设置，会根据设计要求对GUI界面进行布局，注意回调函数的编写，以达到理想的效果。该系统可以较好的实现单人脸识别，能较准确的对其进行定位。但对于多人组和背景较复杂的图像，会出现漏检和错检的现象，需要进一步改进。
上传时间： 2022-07-28
上传用户：qdxqdxqdxqdx
在信息化发展的当前，音视频等多媒体作为信息的载体，在社会生活的各个领域，起着越来越重要的作用。数字视频的海量性成为阻碍其应用的的瓶颈之一。在这种情况下，H．264作为新一代的视频压缩标准，以其高性能的压缩效率，成为备受关注的焦点和研究问题。H．264通过运动估计/运动补偿（MP/MC）消除视频时间冗余，对差值图像进行离散余弦变换（DCT）消除空间冗余，对量化后的系数进行可变长编码（VLC）消除统计冗余，获得了极高的压缩效率。随着嵌入式处理器性能的逐渐提升和3G网络即将商用的推动，H．264以其优秀的压缩性能，无论是无线信道传输方面，还是存储容量有限的嵌入式设备都具有广阔的应用前景。 但H．264在提升压缩性能的同时付出的代价是算法复杂度的成倍增加，实际应用中人们对视频解码的实时性要求严格，已出现的对应算法代码多基于PC通用处理器实现，而嵌入式设备的主频和处理能力仍然相对有限，存储容量相对较小，总线速率相对偏低，因此必须对标准对应算法进行优化移植，才能满足实际应用的需求。 本文在对H．264标准及其新特性进行详细介绍后，重点研究了在解码端如何针对解码耗时较多的模块进行改进，然后将算法移植到ARM平台，并针对平台特点作出相应优化，最后完成解码图象显示，并给出了测试结果。本文主要完成的工作如下： 详细分析了H．264的参考软件JM中解码流程，并利用测试工具分析了各模块耗时，针对耗时较多的模块如插值运算及去块滤波模块，提出了对应的改进算法并在H．264的参考软件JM86上进行了实现，PC测试实验证明了算法改进的优越性和运算优化的可行性。最后针对ARM平台，在对程序结构和对应代码进行优化之后，将其移植到WINCE系统之下，同时给出了WINCE平台解码后图象加速显示方法，并对最终测试结果与性能做出了评价。
上传时间： 2013-06-04
上传用户：shijiang
