ffmpeg ios模拟器编译

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

该MATLAB程序由三部分组成，其中两个为对目标的检测，采用的是独立的检测方法，还有一个是主程序，为KALMAN滤波的程序，实现目标位置的预测与修正，程序的效果还可以，针对于一个目标，基本无误，多个目标的时候一般。

上世纪七十年代，隐马尔科夫模型就被用于语音识别的问题中，到八十年代，贝尔实验室的Rabiner等人成功地将隐马尔科夫模型应用于孤立词识别中，之后隐马尔科模型被应用于各个领域，到今，隐马尔科夫模型已被用于旋转机械的故障诊断中，的启停机过程的故障诊断。

这个例子展示了如何使用相结合的形态学的基本算子和Blob分析从视频流提取信息。在这种情况下，例数在每个视频帧的大肠杆菌数。

这是工业上用的分拣系统，工件匹配的程序，基于opencv2.0写的，针对形状纹理不是特别复杂的工件，还不是特别完善，适合基础学习者。

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

资源描述 苹果电脑上将视频转为gif动图的小工具

蚁群算法模拟使用C ++语言，包含了蚁群元启发式算法使用了许多类和方法。

harris角点检测源代码，简洁高效，通俗易懂，可以有效检测出图像的角点，并提供了一个画圆的程序，用于在图像上圈出角点。 使用格式为[cnt,posr,posc] = get_harris(img,k,t)  其中img为需要检测的图像，k，t分别为该角点检测的参数。输出cnt为角点数目，posr,posc为各个角点的位置。

用vc++实现了两种经典的小波去噪算法、 对于初学者很有意义