轮胎缺陷检测，用于处理轮胎缺陷的论文，很全

车牌检测和识别的Python应用软件实现详细过程 1.输入原始图片，通过二值化，边缘检测，和基于色调的颜色微调等办法检测出原图中的车牌号的位置； 2.把检测到的车牌(ROI)裁剪，为车牌号的识别做准备； 3.基于裁剪的车牌号，使用直方图的波峰波谷分割裁剪的车牌号（如上图中的第3步） 4.训练机器学习模型做车牌识别，这里训练了2个SVM,一个SVM用来识别省份简称(如 鲁)，另一个SVM用来识别字母和数字。 5.通过PyQt5把整个算法封装成GUI程序，并打包发布安装软件。

CPU-Z是一款家喻户晓的CPU检测软件，是检测CPU使用程度极高的一款软件，除了使用Intel或AMD自己的检测软件之外，我们平时使用最多的此类软件就数它了。它支持的CPU种类相当全面，软件的启动速度及检测速度都很快。另外，它还能检测主板和内存的相关信息，其中就有我们常用的内存双通道检测功能。当然，对于CPU的鉴别我们还是最好使用原厂软件。使用这个软件可以查看CPU的信息。软件使用十分简单，下载后直接点击文件，就可以看到CPU 名称、厂商、内核进程、内部和外部时钟、局部时钟监测等参数。选购之前或者购买CPU后，如果我们要准确地判断其超频性能，就可以通过它来测量CPU实际设计的FSB频率和倍频。

基于STM32F7的视觉小球颜色识别系统简介: 用STM32F7驱动摄像头，实时采集图像，进行颜色识别，并且统计出小球的直径。做图像处理都是基于PC端的开发，一直希望STM32可以用。后续可以加入其它的一些算法，比如字符识别，人脸识别等。本方案我们采用了OV9655的130万像素摄像头，并通过转接板自己设计的，配合STM32F746自带的摄像头接口。 截图展示: 颜色识别系统设计框图: 软件设计包括:摄像头OV9655驱动的实现，图像颜色识别算法实现，图像尺寸检测算法检测等。 视觉算法的主要思想如下: 有过使用photoshop经历的人对色彩模式应该不会陌生，大家应该非常熟悉的是RGB色彩模式，因为它是最常见的也是听说最多的，另外还有一种色彩模式是HSL，H代表色相，S代表饱和度，L代表亮度，这种色彩模式是美术人最常用的，这是因为它是基于人对色彩的心理感受的一种色彩模式。 RGB向HSL色彩模式的转换在图像处理中应用较为广泛，我们的小球识别中很可能需要该步骤，原理与公式讲起来需要太多的时间与空间，大家可能也不希望听我啰嗦，那么我就把代码传上来吧。（详见附件内容） 软件设计:

数字图像处理在车牌识别系统中的应用，其中字符分割的切割字符读取函数，以及字符识别模板库

总结了数字图像处理中一些重要的知识点，对于日常学习或是备考都很有帮助！ 适合本科或研究生阶段开设的数字图像处理课程

vs平台上的车辆识别系统工程，可完美运行，内有对不同场景的车牌号的识别，值得一看，学到的东西肯定很多

基于yolov5的车辆识别（货车与公交车识别），内含源码（yolov5、pyqt5、训练集与测试集划分代码）、原始图像数据集、标注数据集（xml格式及txt格式）、模型训练后权重文件、pyqt5交互界面以及使用说明。下载后可直接打开pyqt5交互界面实现车辆识别。

opencv 图像处理基础资料

Matlab图像处理_米粒识别