在abaqus中生成二维随机纤维，非常有用。。。。。

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。

这些图片适用于深度学习中车牌检测，不仅包含清晰车牌，还有本人手工制作的标签

本设计介绍基于数字图像处理的车牌识别系统。本设计主要应用数字图像处理方法进行车牌识别，主要包括图像预处理、车牌定位、倾斜校正、字符分割、字符识别五大模块。在完成车牌识别功能的基础上，本系统进一步加入了形态学操作、边框处理算法，能够在光照变化较大、背景较复杂的实际条件下，提高车牌识别率，同时，本设计添加了语音播报系统，能够对识别过程、识别结果进行语音播报，拓展了系统的功能。经过实际测试，本系统能够很好的完成车牌识别任务，车牌识别成功率达100%。

车牌识别matlab原始码此项目已作为IIT德里2013年Spring学期图像处理课程的一部分完成。 主管：Ranjan Bose博士 作者：T Veeranjaneya Ashok 使用形态图像处理的自动车牌检测 图像处理方法，该方法允许在表示进入监管区域的汽车的图像上检测汽车编号牌。 该方法旨在作为识别过程的第一部分，该过程还包括第二部分-对检测到的字符的识别。 自动车牌号的检测是通过数学形态进行的。 它基于一组过滤器对输入图像进行智能过滤，这些过滤器除去了不必要的图像元素，但保留了车号牌字符的位置和形状。 车牌号：旧的（在黑色背景上的白色字母）和新的（在白色背景上的黑色字母）。 该检测算法利用了车号牌的两个属性：该车号牌是在黑色（白色）背景上带有白色（或黑色）物体的物体，并且车牌的位置应使其边缘平行于车牌的边缘。图像x和y轴。 所有处理步骤中的操作都需要一些参数（例如，开口尺寸等）。 它们的选择取决于输入图像上车牌的大小。 这不能完全自动化，因为输入图像的分辨率和号码牌的大小都可以变化。 另一方面，在真实识别系统中，摄像机的位置以及汽车相对于摄像机的位置是固定的。 因此，对于特定

有限元分析技术有时选用弯曲三角形有限元模型。 该模型的主要问题是单元几何边界条件的单元形状函数的连续性。 Adini 选择了第一个三角形弯曲单元形状函数； w(x,y)=[1 xyx**2 y**2 x**3 x**2*yx*y**2 y**3] 并且他忽略了“x*y”多项式参数。 尽管如此，有限元总共有九个自由度和形状函数十个参数的帕斯卡三角形描述。 有趣的是，Tocher 并没有忽略形状函数“x*y”项，他收集了统一弯曲参数“(x**2*y+x*y**2)”。 本区域第二个问题确定分析系统路径测试。 Adini 模型具有符合一维弯曲分析的补丁测试，但不符合二维分析。 Tocher 模型具有不合格的一维和二维弯曲分析。 有趣的有的分析是Sap2000（结构分析程序）做了一个补丁测试错误，这个错误非常大。 这个主要问题的三角板分析有解决方案 Bazely-Cheung-Irons-Z

速度检测和板块识别 检测车辆的速度并识别车牌号。

Thin plate Spline（薄板样条差值）2D版本的java实现，在平面上按下鼠标，产生一个控制点，然后要按住鼠标拖拽，释放点为此控制点发生形变之后的对应点。（注意：一定要拖拽，单击鼠标是没有用的！）

径向基函数/薄板样条 3D 点集翘曲。 p3do = rbfwarp3d( p3d, ps, pd, varargin) 输入： p3d：3d 点集ps：3d 源地标 [n*3] pd: 3d 地标 [n*3] 方法： 'gau',r - 对于高斯函数 ko = exp(-|pi-pj|/r.^2); 'thin' - 对于薄板函数 ko = (|pi-pj|^2) * log(|pi-pj|^2) 输出： p3do：输出点集佛罗里达州布克斯坦“主要翘曲：薄板样条和变形的分解。” IEEE 翻译模式肛门。 马赫英特尔。 11, 567-585, 1989。

[wobject] = TPS3D(points, ctrlpoints,object) 输入： 点：控制点的旧位置ctrlpoints：控制点的新位置对象：源模板 输出： wobject：扭曲的源模板 所有输入和输出都是 NXD 矩阵。