opencv文件的读写以及特征检测、提取和匹配

采用滑动窗口及直方图来计算窗口内的中值，代替传统的排序求中值法，获得较高的算法执行速度。稍加修改阈值及首个窗口的目标取值就可以生成最大值、最小值滤波的算法，即对应于形态学中的膨胀与腐蚀。

影像的任意角度旋轉. 影像旋轉任意角度：. 旋轉 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

对红外图像首先在方差空间中提取显著性区域，然后根据图像复杂度对显著性区域进行筛选，最后采用阈值分割方法分割显著性区域，获取目标。

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。

ES流转PS流代码.主要的函数 Mux(). 当至少有一个码流有数据时，调用 MUX。  

离散余弦变换 （DCT） 表示序列的有限多数据点之和的余弦函数以不同的频率振荡。DCTs 是重要对大量的应用程序，在科学和工程，从有损压缩的音频和图像 （在那里可以丢弃小高的频率成分），对偏微分方程的数值解谱方法。余弦函数，而不是正弦函数的用途是这些应用程序的关键： 压缩，它原来余弦函数是更加有效率 （如下文所述，少，以近似一个典型信号），而求解微分方程的余弦表示选取一个特定的边界条件。尤其是，DCT 是类似于离散傅里叶变换 （DFT），但只使用实数有关傅里叶变换。DCTs，等同于傅里叶变换的两倍左右的长度，经营上真实的数据甚至对称 （因为真实，甚至函数的傅里叶变换是真实，甚至），在那里有些变形的输入和输出数据转移半样本。有八个标准的 DCT 变种，其中四个常见。

资源描述关于运动目标检测中车辆的检测方法及使用CAMSHIFT算法进行车辆跟踪

视频图像处理，目标跟踪，以背景差分法分离出了前景和背景。背景建模，运动物体检测。Video image processing, target tracking, background

本代码可以对视频中的运动物体进行监测和跟踪 并用了高斯背景模型进行背景建模 效果很好 而且对检测到的物体进行了矩形框标记 

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。