空城记

import cv2import numpy as npfrom matplotlib import pyplot as plt%matplotlib inlineStep1. Get Dark Channel求出每个像素RGB分量中的最小值，存入一副和原始图像大小相同的灰度图中;灰度图进行最小值滤波，滤波的半径由窗口大小决定，一般有WindowSize = 2 * Radius + 1;

【摘要】本文提出了一种针对含有雾的图像和视频快速、完善的去雾算法。观察发现有雾的图像普遍具有低对比度，我们通过增强对比度来修复图像。然后多度的增强这些低对比度会截断像素值以及导致信息丢失。因此，我们引入一个包含对比项以及信息丢失项的损失函数。通过最小化损失函数，该算法不仅增强了对比度而且有效的保留了图像信息。另外，我们将图片去雾算法扩展到视频去雾。我们通过计算透射率的相关性减少对视频去雾时的闪烁程度

import numpy as npfrom scipy.misc import imreadimport matplotlib.pyplot as plt%matplotlib inlineplt.rcParams['figure.figsize'] = (12.0, 9.0) # set default size of plotsplt.rcParams['image.interpol

怪异的标题！！！这道菜不难做，首先列举一下本次用到的食材：OpenCV v3.1一个银行卡图片（四个边的都要在图像里）炉灶采用 visual studio 20131. 洗菜数据预处理阶段(￣▽￣)”代码更有说服力。#include <iostream>#include <opencv2/opencv.hpp>using namespace std;using namespace cv;P

1 概述车牌识别系统的主要组成部分包括： 车牌图像采集、 车牌图像预处理、 车牌定位、 车牌字符分割和车牌字符识别。Created with Raphaël 2.1.0车牌图像采集车牌预处理车牌定位车牌字符分割车牌字符识别结束1.1 图像采集通过摄像头或摄像机拍摄含有车辆牌照的图像，采用拍摄的含有汽车车牌的汽车图片作为原始识别图像。1.2 车牌预处理对采集的车牌图像输入计算机进行预处理， 突出车牌的

该方法的最终图片由stroke layer 和 tonal texture相乘得到。 原文链接Stroke Layer求出图像梯度图GG， 计算出 response map，Gi=Ωi∗GG_i = \Omega_i* G，将GiG_i各个方向的最大值作为classification（Ci(p)=GC_i(p) = G if argmax{Gi(p)==i}\lbrace G_i(p)==i\rbr