图像预处理：对输入的仪表图像进行灰度化预处理，以提高后续图像识别算法的准确性。
仪表区域定位：基于FLANN的匹配器进行模版匹配，将仪表在图像中的位置进行定位并提取出来。
指针识别：采用Kmeans算法把图像进行二值化分割，同时只保留内切圆部分，采用旋转虚拟直线法获取指针在表盘的角度。
读数：根据得到的指针角度通过标定的刻度、圆心数据，采用圆心角计算法读出当前仪表刻度
2024-05-28 19:03:01
4.71MB
1
基于opencv车牌识别-MYSQL存储数据-pygame存储数据的智能停车场车牌识别计费系统数据集
2024-05-07 11:06:42
20.83MB
1
【项目资源】：
包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。
包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、web、C#、EDA、proteus、RTOS等项目的源码。
【项目质量】：
所有源码都经过严格测试，可以直接运行。
功能在确认正常工作后才上传。
【适用人群】：
适用于希望学习不同技术领域的小白或进阶学习者。
可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
【附加价值】：
项目具有较高的学习借鉴价值，也可直接拿来修改复刻。
对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。
【沟通交流】：
有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。
鼓励下载和使用，并欢迎大家互相学习，共同进步。
2024-04-25 17:02:08
1.87MB
1
基于opencv与机器学习的摄像头实时识别数字，包括完整代码、数据集和训练好的模型。识别准确率高达95%！！代码注释详细，方便理解！代码可以直接运行使用，没有门槛。
2024-04-13 19:52:48
68.25MB
1
基于 OpenCV + Python 的人脸识别上课签到系统，实现的功能：
1. 班级同学人脸图像的采集，得到人脸数据库
2. 人脸识别模型的训练
3. 刷脸识别签到，查看签到结果
4. 编写简单的用户界面
2024-03-19 15:14:50
1.8MB
1
源码亲测可用，可做计算机毕业设计、课程设计等参考。
【项目技术】
python+Django+mysql+B/S
【实现功能】
管理员用户：
（1）个人信息管理：管理员用户可以通过此功能对自己的密码进行维护。
（2）用户信息管理：管理员用户通过此功能可以维护系统内注册用户的信息，比如可以对用户的姓名、电话或联系方式等信息进行管理。
（3）图片列表管理模块：管理员用户可以对系统内的已经进行过全景拼接的图片进行信息的维护和管理，比如可以通过序号查看某张图片的详细信息。
普通用户：
（1）网站首页浏览：用户登录网站之后可以在首页中查看系统内的所有功能，网站首页使用简介大方的设计风格，可以给用户很好的使用体验。
（2）个人信息查看：用户可以查看网站内自己的个人信息，包括自己的ID、姓名、联系方式、权限、创建时间及最后修改时间等。
（3）图片拼接模块：在已经注册且成功登录的情况下，用户可以进行在线图片拼接，进行图片拼接时需要先上传图片，上传完正确的路径的文件之后系统会通过OpenCV技术进行拼接。
2024-02-19 17:33:24
11.82MB
(基于python的毕业设计)基于OpenCV全景图像拼接系统(源码+说明+演示视频)，本科毕业设计高分项目。
【项目技术】
python+Django+mysql+B/S
【实现功能】
管理员用户：
（1）个人信息管理：管理员用户可以通过此功能对自己的密码进行维护。
（2）用户信息管理：管理员用户通过此功能可以维护系统内注册用户的信息，比如可以对用户的姓名、电话或联系方式等信息进行管理。
（3）图片列表管理模块：管理员用户可以对系统内的已经进行过全景拼接的图片进行信息的维护和管理，比如可以通过序号查看某张图片的详细信息。
普通用户：
（1）网站首页浏览：用户登录网站之后可以在首页中查看系统内的所有功能，网站首页使用简介大方的设计风格，可以给用户很好的使用体验。
（2）个人信息查看：用户可以查看网站内自己的个人信息，包括自己的ID、姓名、联系方式、权限、创建时间及最后修改时间等。
（3）图片拼接模块：在已经注册且成功登录的情况下，用户可以进行在线图片拼接，进行图片拼接时需要先上传图片，上传完正确的路径的文件之后系统会通过OpenCV技术进行拼接。
2024-02-19 15:58:17
11.82MB
大学毕业设计 使用python基于opencv开发车牌识别系统，可以实现后台传输的图片识别 使用了两个相同结构的卷积神经网络 车牌识别系统可以分为两个部分，
第一个部分是车牌定位过滤部分；
第二个部分是字符识别部分；
在这两部分中我都是使用CNN卷积神经网络训练之后进行识别内容。
车牌定位部分使用的技术主要为图像预处理，车牌轮廓提取还有车牌的定位；
字符识别部分使用的技术主要为字符的分割，然后完成字符识别，输出车牌信息。
输入层：36x128
第一层卷积：卷积核大小：3x3，通道数：3，卷积核个数：32，激活函数使用Relu，四个维度的滑动步长为1，填充算法的类型：SAME。
第一层池化：使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1.
第二层卷积：卷积核大下：3x3，通道数为32，卷积核个数：64，激活函数使用Rule，四个维度的滑动步长为1，填充算法的类型：SAME。
第二层池化：同样使用池化窗口大小为2x2的最大池化，由于不想在batch（批量）同channels（通道）做池化，因此设置为1.
第三层卷积：卷积核大
2024-01-27 16:51:24
459.37MB
1