Opencv 反色图片的代码

基于傅里叶变化的无透镜全息再现技术的仿真运算，可对无透镜全息系统所得的全息图进行处理，得到再现象！！！！

均值滤波, or 平均滤波是窗口筛选器的线性类，这种平滑信号 （图像）。筛选器作为低通一个人工作。筛选器背后的基本思想是任何元素的信号 （图像） 以平均跨及其邻近地区。要明白这是在实践中如何，让我们开始与窗口 idea.when 你有纸和盐噪声图像，可以使用平均掩码。此代码表明，怎么可以在利用 quickbird 卫星影像中使用均值滤波并用 5 * 5 掩码

如何检测一张照片中汽车的对象，使用 openCV 项目和平衡配装优化问题算法完整文档作为 html 文件中的描述

资源描述C++实现的RGB与HLS颜色空间互换程序，在图像处理中会经常用到，算法简单，容易理解，可直接移植的需要的地方

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

是9s128飞思卡尔芯片的舵机代码，由于是较为早期的芯片，所以这代码都是要写代码底层的。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

资源描述ＶＢ　通过VFM调用USB摄像头，可实现画面显示，录制视频，调节摄像头参数等功能

“FIR”表示“有限脉冲响应”。如果输入脉冲，则

Mpeg-4 视频编码程序， 使用 C 编写。 如果想了解 Mpeg-4，请查看此代码