flash 播放gif动画源码

面向梯度直方图可以用于图像中目标检测。特别是，他们被用作行人检测"使用面向梯度直方图的行人检测"一文中介绍 Dalal 和 Triggs。Matlab 程序代码计算猪以详尽的方式，如本文所述。训练分类和检测对象/非对象区域，然后可以使用说明符。

在本文中，我们目前 DCT （离散余弦变换） 块应用级图像压缩 JPEG （联合摄影专家组） 算法的有效性。结果表明该算法是在压缩的情况下最有效的因为它有非常良好的压实性能与能源相关的值。作为一项基本原则，我们消除高频率，并保持低和介质不会明显影响形象。在实际应用中的人脸检测、 皮肤颜色、 面部识别、 虹膜、 指纹等遇到了 DCT 的 JPEG 压缩算法

目的： 若要编写 2-D 卷积的 MATLAB 函数。 理论： 2-D 卷积可以通过矩阵乘法来执行。若要执行此操作，形成， 块矩阵 H0，H1 等从一个矩阵和阻止的 toeplitz 矩阵已形成 从块矩阵。其他矩阵是以列的形式写的。然后，乘法 之间块 toeplitz 矩阵和写在列矩阵形式将产生的结果 类似于二维卷积。 让大小的矩阵 x [m，n] M1X N1，M1 在哪里的行数，N1 矩阵的列数 x [m，n]。 .让大小的 h 矩阵 [m，n] 是 M2X N2，M2 在哪里的行数和 N2 是 [m，n] 的 h 矩阵的列数。 由 y(m,n) 表示卷积 x(m,n) 和 h(m,n) 之间 在哪里 y(m,n) = x(m,n) * h(m,n) 矩阵 y [m，n] 的大小是 M3X N3，哪里 M3 = M1 + M2-1 和 N3 = N1 + N2-1 如果 A 是块 toeplitz 的 matri x(m,n)，然后 h(m,n) 和输入的线性卷积 由给出 x(m,n) y = Ax 最后重新排列 y 以获取输出响应的元素。

在VC中实现光流检测 已经通过测试 有实力视频和相关文档介绍 可以直接运行

这个主要是是在VC++6.0下运行的，在MFC对话框下显示一副灰度图像，可已将灰度图像显示在相应的图片控件上，并且实现灰度空间转换。希望能帮助大家，谢谢！！

这个项目主要涉及人脸识别技术。面部由adruino电机上的摄像头检测，该电机在与代码接口时检测面部。代码是用C++编写的，使用OpenCV库。

该项目演示了一个全面实施传统的“浮雕”和“雕刻”的形象过滤器。这些效果的灰度版本可使用任何自定义过滤引擎来计算（参见，例如，http://www.tannerhelland.com/982/custom-image-filters-vb6/）。然而，这充分执行比自定义过滤器引擎更快和更轻，并且还提供到雕刻/浮雕于特定颜色的选项

useful for SAR imaging processing  wellkown algorithm to form the radar image both to processing in range and azimuth direction

摘要：故障诊断起着物理的重要作用 故障分析与产量的学习过程。随着数百亿 晶体管被集成在一个芯片上，多个故障可能 存在的。随着多个故障，故障屏蔽和加固效果 可能会出现。它们可能会导致基于单故障常规 诊断方法，如在一个时刻的单个位置（SLAT） 为无效。如果没有流行的SLAT方法失败 够SLAT图案可以由单个stuckat说明 故障。此外，一个真正的硅缺陷可能表现为不同 故障在不同的故障模式模型（DM），它可 无效使用单故障模型的方法SLAT 在所有失败的模式。在本文中，我们介绍的概念 故障元件，支持多种故障模型，并使用faultelement 图（FEG）考虑故障屏蔽和加固 多故障之间的影响。基于所有失败的FEGs 模式，最有可能的故障位置和故障的因素 被反复识别。同时，FEGs是迭代地 修剪跟踪的其余多个故障的影响，直到 所有的故障点被确定，所有的FEGs减少 为null。实验表明，该诊断 方法可以识别，即使在​​多个故障的位置 DM具有较高的诊断精度和分辨率。 关键词：故障诊断，故障元件，故障元件 图（FEG），多种故障模式，多重故障。

C#做的手势识别。在计算机科学中，手势识别是通过数学算法来识别人类手势的一个议题。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动