自定义视频拍摄

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。

http://en.wikipedia.org/wiki/Metropolis-Hastings_algorithm 大都会-黑斯廷斯算法是马尔科夫链蒙特 Carlo 方法获取从概率分布的随机样本序列为直接采样是困难的。序列可以用 近似分布。 下面的代码是算法的大都市-黑斯廷斯，一个简单的实现这些代码根据 linux 运行系统。 编译，并也可以用在 Windows 操作系统中。 Metropolis_demo.cpp 是一个演示取样高斯分布。 在 matlab 才能看到结果运行 metropolis_demo.m。您可以修改 metropolis_demo.cpp 适应代码到你自己的问题。

lBP纹理提取纹理源码，使用c++编程，局部二元模式方法提取目标的纹理特征，是经典的局部纹理特征提取方法。

vc++下的8位调色板位图和24位真彩位图的载入及保存

几种经典的SAR图像去相干斑的方法，以及改进方法。比如lee，map，kuan、frost，还有部分改进算法。必要的注释都有，希望对大家有帮助。

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

使用matlab将图像二值化后，研究阈值分割的方法，包括均匀性度量法，迭代法和阈值自选的代码。

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。

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。

 采用灰度变换的方法增强图像的对比度, 程序能够运行出正确的结果，希望对各位有帮助。