基于matlab的图像处理的课程设计(基于matlab车牌识别系统内容摘要:
i=getimage(gca)。 imwrite(i,file)。 end function exit_Callback(hObject, eventdata, handles) clc。 close all。 close(gcf)。 %编辑菜单的程序 function edit_Callback(hObject, eventdata, handles) function huidu_Callback(hObject, eventdata, handles) %灰度处理 axes()。 if isrgb() y=rgb2gray()。 %RGB imshow(y)。 else msgbox(39。 这已经是灰度图像 39。 ,39。 转换失败 39。 )。 end function liangdu_Callback(hObject, 17 eventdata, handles) %亮度处理 prompt={39。 输入参数 139。 ,39。 输入参数 239。 ,39。 输入 gamma39。 }。 defans={39。 [0 ]39。 ,39。 [0 1]39。 ,39。 139。 }。 p=inputdlg(prompt,39。 输入参数 39。 ,1,defans)。 p1=str2num(p{1})。 p2=str2num(p{2})。 p3=str2num(p{3})。 gamma=p3。 x=()。 y=imadjust(x,p1,p2,gamma)。 axes()。 imshow(y)。 function jietu_Callback(hObject, eventdata, handles) %截图 set(,39。 HandleVisibility39。 ,39。 ON39。 )。 axes()。 y=imcrop()。 imshow(y)。 =y。 function fangda_Callback(hObject, eventdata, handles) function lingjz_Callback(hObject, eventdata, handles) %邻近插值放大 axes()。 prompt={39。 输入放大倍数 :39。 }。 defans={39。 239。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 18 y=imresize(,p1,39。 nearest39。 )。 %最近邻插值法放大 imshow(y)。 function shuangxianfa_Callback(hObject, eventdata, handles) %双线放大 axes()。 prompt={39。 输入放大倍数 :39。 }。 defans={39。 239。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 y=imresize(,p1,39。 bilinear39。 )。 %最近邻插值法放大 imshow(y)。 function shuangsanci_Callback(hObject, eventdata, handles) %双三次放大 axes()。 prompt={39。 输入放大倍数 :39。 }。 defans={39。 239。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 y=imresize(,p1,39。 bicubic39。 )。 imshow(y)。 function suoxiao_Callback(hObject, eventdata, handles) %邻近插值缩小 axes()。 prompt={39。 输入放大倍数 :39。 }。 19 defans={39。 39。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 y=imresize(,p1,39。 nearest39。 )。 %最近邻插值法 缩小 imshow(y)。 function shuangxian_Callback(hObject, eventdata, handles) %双线性缩小 axes()。 prompt={39。 输入放大倍数 :39。 }。 defans={39。 39。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 y=imresize(,p1,39。 bilinear39。 )。 %最近邻插值法 缩小 imshow(y)。 function shuangsancisuox_Callback(hObject, eventdata, handles) %双三次缩小 axes()。 prompt={39。 输入放大倍数 :39。 }。 defans={39。 39。 }。 p=inputdlg(prompt,39。 输入放大倍数 39。 ,1,defans)。 p1=str2num(p{1})。 y=imresize(,p1,39。 bicubic39。 )。 imshow(y)。 function xuanzhuan_Callback(hObject, eventdata, handles) 20 function updown_Callback(hObject, eventdata, handles) %上下翻转 axes()。 x=()。 if isrgb() for k=1:3 y(:,:,k)=flipud(x(:,:,k))。 %上下翻转 函数 end imshow(y)。 else x=()。 y=flipud(x)。 imshow(y)。 end function leftright_Callback(hObject, eventdata, handles) %左右翻转 axes()。 if isrgb() x=()。 for k=1:3 y(:,:,k)=fliplr(x(:,:,k))。 % 左右翻转 函数 end imshow(y)。 else x=()。 y=fliplr(x)。 imshow(y)。 end function zeft90_Callback(hObject, eventdata, handles) %左转 90 度 21 axes()。 x=()。 y=imrotate(x,90)。 imshow(y)。 function right90_Callback(hObject, eventdata, handles) %右转 90 度 axes()。 x=()。 y=imrotate(x,90)。 imshow(y)。 function other_Callback(hObject, eventdata, handles) %任意角度旋转 axes()。 prompt={39。 输入参数 1:39。 }。 defans={39。 3039。 }。 p=inputdlg(prompt,39。 输入参数39。 ,1,defans)。 p1=str2num(p{1})。 y=imrotate(,p1)。 imshow(y)。基于matlab的图像处理的课程设计(基于matlab车牌识别系统
相关推荐
路如图 3. 3所示。 图 光伏电池理想等效电路 由基尔霍夫电流电流定律可推导出与图 对应的数学表达式: I phI dI „„„„„„„„„„„„„„„„„„„„„„„„„„„„ (31) 由于二极管 dI 电流的关系式如下, dI =0I 1qUAKTe„„„„„„„„„„„„„„„„„„„„„„„„„„ (32) 将 (32)代入 (31)可得 0I = phI 0I
的处理过程能够带来一系列优点。 因此 弄清楚扩频和解扩处理过程的机制 问题 是 充分 理解扩频通信本质的关键 点。 一直以来大家总是想方设法使得信号所占的领谱尽可能的窄以达到充分利用十分宝贵的频谱资源的目的。 那么为什么要用这种频带很宽的信号来传送信息的回答很简单,主要就是为了保证通信的安全可靠。 这个能采用信息论和抗干扰理论的基本观点来进行说明。 信息理 论中由数学表达式关于信道容量
像的空间特性 , 这样就对噪声很敏感它也没有考虑图像的纹理信息等有用信息 ,使分割效果有时不能尽如人意 ( 2)基于边缘检测的图像分割 边缘检测的分割方法是通过检测包含不同区域的边缘来解决图像分割问题。 所谓 边缘的检测正是利用物体和背景在某种图像特性上的 差异来实现的 , 这差异包括灰度 、 颜色以及纹理特征。 边缘检测实际上就是要检测出图像的特性发生变化的位置。 图像的信息量很大 ,
贫信息条件下的模型建立 设对某变形体有 n个相互关联的变形观测点,获得了 m周期的变形观测资料,其对应的变形观测序列为: nimkkxX i ,2,1。 ,2,10 ( 27) 其一次累加生成序列为 : nimkjxkxkj ii ,2,1。 ,2,1。 101 ( 28) 考虑 n 个点相互关
2 瞬心法优点 : 速度分析比较简单。 瞬心法缺点:不适用多杆机构; 如瞬心点落在纸外,求解不便;速度瞬心法只限于对速度进行分析,不能分析机构的加速度;精度不高。 图解法因其作图、计算工作量大、精度差的缺点,在实际工程设计应用中有很大的局限性。 解析法一般是先建立机构的位置方程,然后将位置方程对时间求导数得速度和加速度方程。 解析法的计算工作量很大,传统方法对于常见的连杆机构的运动学、动力学分析
标人物未察觉时识别完成,只需要可见 光就可以完成人脸信息的获取,不同于虹膜识别需要借助红外线采集图像,指纹识别需要依靠电子压力传感器活得指纹,获取时间短,识别精度高 [4]。 在电子商务飞速发展的今天,人脸识别系统的范畴一不足以涵括人脸识别的应用范围,在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。 作为一项具有最广泛应用前景的人体识别技术,人脸识别将得到越来越多的重视 [4]