在好例子网,分享、交流、成长!
您当前所在位置:首页Others 开发实例一般编程问题 → 印章识别matlab代码

印章识别matlab代码

一般编程问题

下载此实例
  • 开发语言:Others
  • 实例大小:4.58M
  • 下载次数:10
  • 浏览次数:169
  • 发布时间:2020-10-07
  • 实例类别:一般编程问题
  • 发 布 人:robot666
  • 文件格式:.rar
  • 所需积分:2
 

实例介绍

【实例简介】
印章识别效果非常好的代码,主要使用了支持向量机
【实例截图】
【核心代码】
印章识别
└── 印章识别
├── dfs_service_libsvm-3.11
│   └── libsvm-3.11
│   ├── COPYRIGHT
│   ├── FAQ.html
│   ├── heart_scale
│   ├── java
│   │   ├── libsvm
│   │   │   ├── svm.java
│   │   │   ├── svm.m4
│   │   │   ├── svm_model.java
│   │   │   ├── svm_node.java
│   │   │   ├── svm_parameter.java
│   │   │   ├── svm_print_interface.java
│   │   │   └── svm_problem.java
│   │   ├── libsvm.jar
│   │   ├── Makefile
│   │   ├── svm_predict.java
│   │   ├── svm_scale.java
│   │   ├── svm_toy.java
│   │   ├── svm_train.java
│   │   └── test_applet.html
│   ├── Makefile
│   ├── Makefile.win
│   ├── matlab
│   │   ├── libsvmread.c
│   │   ├── libsvmread.mexw32
│   │   ├── libsvmwrite.c
│   │   ├── libsvmwrite.mexw32
│   │   ├── Makefile
│   │   ├── make.m
│   │   ├── README
│   │   ├── svm_model_matlab.c
│   │   ├── svm_model_matlab.h
│   │   ├── svmpredict.c
│   │   ├── svmpredict.mexw32
│   │   ├── svmtrain.c
│   │   └── svmtrain.mexw32
│   ├── pointlist_2.txt
│   ├── pointlist_2.txt.mdl
│   ├── python
│   │   ├── Makefile
│   │   ├── README
│   │   ├── svm.py
│   │   └── svmutil.py
│   ├── README
│   ├── svm.cpp
│   ├── svm.def
│   ├── svm.h
│   ├── svm-predict.c
│   ├── svm-scale.c
│   ├── svm-toy
│   │   ├── gtk
│   │   │   ├── callbacks.cpp
│   │   │   ├── callbacks.h
│   │   │   ├── interface.c
│   │   │   ├── interface.h
│   │   │   ├── main.c
│   │   │   ├── Makefile
│   │   │   └── svm-toy.glade
│   │   ├── qt
│   │   │   ├── Makefile
│   │   │   └── svm-toy.cpp
│   │   └── windows
│   │   └── svm-toy.cpp
│   ├── svm-train.c
│   ├── tools
│   │   ├── checkdata.py
│   │   ├── easy.py
│   │   ├── grid.py
│   │   ├── README
│   │   └── subset.py
│   ├── windows
│   │   ├── libsvm.dll
│   │   ├── libsvmread.mexw32
│   │   ├── libsvmread.mexw64
│   │   ├── libsvmwrite.mexw32
│   │   ├── libsvmwrite.mexw64
│   │   ├── pointlist_2.txt
│   │   ├── pointlist_2.txt.model
│   │   ├── svm-predict.exe
│   │   ├── svmpredict.mexw32
│   │   ├── svmpredict.mexw64
│   │   ├── svm-scale.exe
│   │   ├── svm-toy.exe
│   │   ├── svm-train.exe
│   │   ├── svmtrain.mexw32
│   │   └── svmtrain.mexw64
│   └── wtest1.m
├── dfs_service_libsvm-3.11.rar
├── dfs_service_svm-gunn
│   └── svm-gunn
│   ├── 1.jpg
│   ├── 2.jpg
│   ├── binomial.m
│   ├── centrefig.m
│   ├── cmap.mat
│   ├── Contents.m
│   ├── Examples
│   │   ├── Classification
│   │   │   ├── iris1v23.mat
│   │   │   ├── iris2v13.mat
│   │   │   ├── iris3v12.mat
│   │   │   ├── linsep.mat
│   │   │   └── nlinsep.mat
│   │   └── Regression
│   │   ├── example.mat
│   │   ├── sinc.mat
│   │   └── titanium.mat
│   ├── exp_2_1_sfun.mexw32
│   ├── newsvm.zip
│   ├── nobias.m
│   ├── Optimiser
│   │   ├── Makefile
│   │   ├── pr_loqo.c
│   │   ├── pr_loqo.h
│   │   ├── qp.c
│   │   └── qp.dll
│   ├── qp.dll
│   ├── README
│   ├── road1.mat
│   ├── road2.mat
│   ├── shiyan1-2.jpg
│   ├── shiyan1-2.m
│   ├── slprj
│   │   └── _sfprj
│   │   └── exp_2_1
│   │   └── _self
│   │   └── sfun
│   │   ├── info
│   │   │   └── binfo.mat
│   │   └── src
│   │   ├── c4_exp_2_1.c
│   │   ├── c4_exp_2_1.h
│   │   ├── c4_exp_2_1.obj
│   │   ├── exp_2_1_sfun.bat
│   │   ├── exp_2_1_sfun.c
│   │   ├── exp_2_1_sfun_debug_macros.h
│   │   ├── exp_2_1_sfun.exp
│   │   ├── exp_2_1_sfun.h
│   │   ├── exp_2_1_sfun.lib
│   │   ├── exp_2_1_sfun.lmk
│   │   ├── exp_2_1_sfun.lmko
│   │   ├── exp_2_1_sfun.obj
│   │   ├── exp_2_1_sfun_registry.c
│   │   ├── exp_2_1_sfun_registry.obj
│   │   ├── lccstub.obj
│   │   ├── rtwtypeschksum.mat
│   │   └── rtwtypes.h
│   ├── softmargin.m
│   ├── svcerror.m
│   ├── svcinfo.m
│   ├── svc.m
│   ├── svcoutput.m
│   ├── svcplot.m
│   ├── svdatanorm.m
│   ├── svkernel.m
│   ├── svkernel.m.bak
│   ├── svrerror.m
│   ├── svr.m
│   ├── svroutput.m
│   ├── svrplot.m
│   ├── svtol.m
│   ├── TEST001.BMP
│   ├── TEST002.BMP
│   ├── testpoint.mat
│   ├── uiclass.m
│   ├── uiclass.mat
│   ├── uiregress.m
│   ├── uiregress.mat
│   ├── Untitled.asv
│   ├── wsample2.m
│   ├── wsample.m
│   ├── wxor.asv
│   ├── wxor.m
│   ├── yingzhangshibie.m
│   ├── yinzhang1.m
│   └── 程序1
│   ├── BPDigitRecognize
│   │   └── BP
│   │   ├── binomial.m
│   │   ├── centrefig.m
│   │   ├── charGUI.fig
│   │   ├── charGUI.m
│   │   ├── cmap.mat
│   │   ├── Contents.m
│   │   ├── edu_imgcrop.m
│   │   ├── edu_imgresize.m
│   │   ├── exp_2_1_sfun.mexw32
│   │   ├── IXT.txt
│   │   ├── IYT.txt
│   │   ├── MouseDraw.m
│   │   ├── net.mat
│   │   ├── nobias.m
│   │   ├── qp.dll
│   │   ├── README
│   │   ├── readme.txt
│   │   ├── road1.mat
│   │   ├── road2.mat
│   │   ├── shiyan1-2.m
│   │   ├── softmargin.m
│   │   ├── svcerror.m
│   │   ├── svcinfo.m
│   │   ├── svc.m
│   │   ├── svcoutput.m
│   │   ├── svcplot.m
│   │   ├── svdatanorm.m
│   │   ├── svkernel.m
│   │   ├── svkernel.m.bak
│   │   ├── svrerror.m
│   │   ├── svr.m
│   │   ├── svroutput.m
│   │   ├── svrplot.m
│   │   ├── svtol.m
│   │   ├── TEST001.BMP
│   │   ├── TEST002.BMP
│   │   ├── train
│   │   │   ├── 1-0.bmp
│   │   │   ├── 1-0(char).bmp
│   │   │   ├── 1-0(corp).bmp
│   │   │   ├── 1-0(rsz).bmp
│   │   │   ├── binomial.m
│   │   │   ├── centrefig.m
│   │   │   ├── char3.m
│   │   │   ├── cmap.mat
│   │   │   ├── Contents.m
│   │   │   ├── data
│   │   │   │   ├── 1
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 10.bmp
│   │   │   │   │   ├── 11.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 10
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 2
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 3
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 4
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 5
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 6
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 7
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   ├── 8
│   │   │   │   │   ├── 0.bmp
│   │   │   │   │   ├── 1.bmp
│   │   │   │   │   ├── 2.bmp
│   │   │   │   │   ├── 3.bmp
│   │   │   │   │   ├── 4.bmp
│   │   │   │   │   ├── 5.bmp
│   │   │   │   │   ├── 6.bmp
│   │   │   │   │   ├── 7.bmp
│   │   │   │   │   ├── 8.bmp
│   │   │   │   │   └── 9.bmp
│   │   │   │   └── 9
│   │   │   │   ├── 0.bmp
│   │   │   │   ├── 1.bmp
│   │   │   │   ├── 2.bmp
│   │   │   │   ├── 3.bmp
│   │   │   │   ├── 4.bmp
│   │   │   │   ├── 5.bmp
│   │   │   │   ├── 6.bmp
│   │   │   │   ├── 7.bmp
│   │   │   │   ├── 8.bmp
│   │   │   │   └── 9.bmp
│   │   │   ├── edu_createnn.m
│   │   │   ├── edu_imgcrop.m
│   │   │   ├── edu_imgresize.m
│   │   │   ├── exp_2_1_sfun.mexw32
│   │   │   ├── net.mat
│   │   │   ├── nobias.m
│   │   │   ├── qp.dll
│   │   │   ├── README
│   │   │   ├── road1.mat
│   │   │   ├── road2.mat
│   │   │   ├── shiyan1-2.m
│   │   │   ├── softmargin.m
│   │   │   ├── svcerror.m
│   │   │   ├── svcinfo.m
│   │   │   ├── svc.m
│   │   │   ├── svcoutput.m
│   │   │   ├── svcplot.m
│   │   │   ├── svdatanorm.m
│   │   │   ├── svkernel.m
│   │   │   ├── svkernel.m.bak
│   │   │   ├── svrerror.m
│   │   │   ├── svr.m
│   │   │   ├── svroutput.m
│   │   │   ├── svrplot.m
│   │   │   ├── svtol.m
│   │   │   ├── TEST001.BMP
│   │   │   ├── TEST002.BMP
│   │   │   ├── uiclass.m
│   │   │   ├── uiclass.mat
│   │   │   ├── uiregress.m
│   │   │   ├── uiregress.mat
│   │   │   ├── Untitled.asv
│   │   │   ├── wsample2.m
│   │   │   ├── wsample.m
│   │   │   ├── wxor.asv
│   │   │   ├── wxor.m
│   │   │   ├── yingzhangshibie.m
│   │   │   └── yinzhang1.m
│   │   ├── uiclass.m
│   │   ├── uiclass.mat
│   │   ├── uiregress.m
│   │   ├── uiregress.mat
│   │   ├── Untitled.asv
│   │   ├── wsample2.m
│   │   ├── wsample.m
│   │   ├── wxor.asv
│   │   ├── wxor.m
│   │   └── yinzhang1.m
│   ├── BPDigitRecognize.rar
│   ├── htjCicBPNN.m
│   ├── htjCicHop2State.m
│   ├── htjCicHop4State.m
│   └── htjCicSOM.m
├── dfs_service_svm-gunn.rar
├── dfs_service_SVM.pdf
├── svc.m
├── teacher
│   ├── 1.jpg
│   ├── 2.jpg
│   ├── 3.fig
│   ├── 4.fig
│   ├── canny.m
│   ├── hs_err_pid4868.log
│   ├── linsep.mat
│   ├── road1.mat
│   ├── road2.mat
│   ├── sanleishibie.asv
│   ├── sanleishibie.m
│   ├── shutianxian.asv
│   ├── shutianxian.m
│   ├── wsample2.m
│   ├── wsample.m
│   └── wxor.m
├── TEST001.BMP
├── TEST002.BMP
├── Untitled.asv
└── Untitled.m

42 directories, 374 files

标签:

实例下载地址

印章识别matlab代码

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警