این فایل حاوی مطالعه مقاوم سازی سازه های بتنی با دیوار برشی فولادی (تاثیر پارامترهای مختلف بر ظرفیت) می باشد که به صورت فرمت PowerPoint در 15 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
مقدمه
بررسی تاثیر پارامترهای مختلف بر ظرفیت قاب تقویت شده
نتیجه گیری و پیشنهاد
تصویر محیط برنامه
این فایل حاوی مطالعه مقاوم سازی سازه های بتنی با دیوار برشی فولادی (تاثیر پارامترهای مختلف بر ظرفیت) می باشد که به صورت فرمت PowerPoint در 15 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
مقدمه
بررسی تاثیر پارامترهای مختلف بر ظرفیت قاب تقویت شده
نتیجه گیری و پیشنهاد
تصویر محیط برنامه
این فایل حاوی مطالعه مقاوم سازی سازه های بتنی با دیوار برشی فولادی (تاثیر پارامترهای مختلف بر ظرفیت) می باشد که به صورت فرمت PowerPoint در 15 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
مقدمه
بررسی تاثیر پارامترهای مختلف بر ظرفیت قاب تقویت شده
نتیجه گیری و پیشنهاد
تصویر محیط برنامه
این فایل حاوی مطالعه مقاوم سازی سازه های بتنی با دیوار برشی فولادی (تاثیر پارامترهای مختلف بر ظرفیت) می باشد که به صورت فرمت PowerPoint در 15 اسلاید در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.
فهرست
مقدمه
بررسی تاثیر پارامترهای مختلف بر ظرفیت قاب تقویت شده
نتیجه گیری و پیشنهاد
تصویر محیط برنامه
این برنامه فقط بهینه سازی شده روش سوبل است که در زمینه ی بهبود سرعت تشخیص پلاک خودرو کار کرده است چون از عملگر سوبل به دلیل سرعت بالا و حجم پرداز ش کم استفاده شده است.
این فایل همراه با فابلهای شبیه سازی، فیلم شبیه سازی تشخیص پلاک خودرو توسط متلب و دو فایل توضیح برنامه نویسی انجام شده همراه بایک فایل ضمیه پی دی اف که در مورد تاریخچه تشخیص پلاک و روش های آن ( شبکه های عصبی و غیره ) توضیح داده است.
بخشی از فایل توضیح؛
تشخیص محل پلاک
در ابتدا عکس های رنگی ورودی به سطح خاکستری تبدیل می شوند تا پردازش روی
آنها سریع تر انجام شود
عکس شماره 1.
تبدیل rgb به hsv
hsvImage = rgb2hsv(rgbImage);
hImage = hsvImage(:,:,1);
sImage = hsvImage(:,:,2);
vImage = hsvImage(:,:,3);
subplot(3, 4, 2);
imshow(hImage);
title('Hue Image', 'FontSize', fontSize);
لبه یابی در تصویر ...