stm32f103摄像头开发

这个职位的目的是提供简要概述了如何使用纹理信息，利用 Matlab 的图像分类。基本上，我们想要做的是从一组标记描述纹理的图像纹理分类器的学习。然后，我们将使用的学习分类器提供类标签标记的图像。（从网站：http://www.alceufc.com/2013/09/texture-classification.html)

资源描述twain协议的官方文档+官方开发例程+TWain接口规范概述及其应用+Introduction-to-TWAIN-Direct。整理了官方的大部分内容，之后会附上官方文档的中文翻译。

SFW信号，计算往返的最初时延，这段程序只画出两个频率点 第一个和第11个，将E_H_separate向量中加入高斯白噪声，10*3e5关于SHH的运算式每一行是每个脉冲（也即每个频点）对应的S混频，下变频。fftshift作用是将零频放在最中间 1*3e5矩阵

matlab练习程序（弧形投影） 这个其实也算是圆柱体投影了，不过上一篇文章是从正面看，得到的是凸形的结果，而这个是从反面看，得到的是凹形的结果。计算公式就不写了，大致介绍一下，计算公式中关于x坐标求法和上篇一样，y坐标则正好是上篇公式的反变换，结合上篇公式代码和本篇的代码，应该都不是很难理解的。

该程序包含Matlab代码的指纹识别。整体结构包括指纹增强，方向和岭估计，二元掩蔽和特征提取码。分类过程最后进行分类的输入图像，以确定它们是否属于同一人或没有。

这是计算 Hormography Matrix 的两幅图像的源代码。欢迎下载，试用。谢谢您的支持 ！

利用灰度共生矩阵提取图像纹理特征，代码是矢量化的，速度很快。

本书介绍如何解决图像处理中非常常见的问题-特征检测。

或者图像上的部分甚至可以清楚地。。。。这个程序可能有助于识别图像

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。