原创 旋轉變換(一)旋轉矩陣

原著作者:莫水千流 原文網址:https://www.cnblogs.com/zhoug2020/p/7842808.html 1. 簡介 計算機圖形學中的應用非常廣泛的變換是一種稱爲仿射變換的特殊變換,在仿射變換中的基本變換包括平移、旋

原创 編寫高效的C程序與C代碼優化

本文地址:http://www.cnblogs.com/archimedes/p/writing-efficient-c-and-code-optimization.html,轉載請註明源地址。說明:本篇文章翻譯自:http://www.

原创 深入理解Cache

存儲器是分層次的,離CPU越近的存儲器,速度越快,每字節的成本越高,同時容量也因此越小。寄存器速度最快,離CPU最近,成本最高,所以個數容量有限,其次是高速緩存(緩存也是分級,有L1,L2等緩存),再次是主存(普通內存),再次是本地磁盤。

原创 計算機視覺代碼合集

來源:http://www.yuanyong.org/cv/cv-code-one.html http://www.yuanyong.org/cv/cv-code-two.html http://www.yuanyong.org/cv/c

原创 圖像的七個不變矩 可用於圖像的匹配

圖像的幾何不變矩 矩特徵主要表徵了圖像區域的幾何特徵,又稱爲幾何矩, 由於其具有旋轉、平移、尺度等特性的不變特徵,所以又稱其爲不變矩。在圖像處理中,幾何不變矩可以作爲一個重要的特徵來表示物體,可以據此特徵來對圖像進行分類等操作。1.   

原创 程序員必知之浮點數運算原理詳解

  導讀:浮點數運算是一個非常有技術含量的話題,不太容易掌握。許多程序員都不清楚使用==操作符比較float/double類型的話到底出現什麼問題。 許多人使用float/double進行貨幣計算時經常會犯錯。這篇文章是這一系列中的精華,

原创 Open CV——相機校準和立體匹配

函數有變化時,一定要記得去示例裏查看相關示例#include "opencv2/core/core.hpp" #include "opencv2/imgproc/imgproc.hpp" #include "opencv2/calib3d

原创 opencv學習筆記1 opencv安裝及配置 一勞永逸不需要每次都重新配置

opencv2.4.9地址:https://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.4.9/opencv-2.4.9.exe/download vs2013請自行

原创 Gabor濾波器學習

本文轉載自:http://blog.csdn.net/jinshengtao/article/details/17797641   本文的目的是用C實現生成Gabor模版,並對圖像卷積。並簡單提一下,Gabor濾波器在紋理特徵提取上的

原创 深度概覽卷積神經網絡全景圖,沒有比這更全的了

翻譯 | 林椿眄編輯 | Just出品 | AI科技大本營(公衆號ID:rgznai100)【AI科技大本營導讀】深度卷積神經網絡是這一波 AI 浪潮背後的大功臣。雖然很多人可能都已經聽說過這個名詞,但是對於這個領域的相關從業者或者科研學

原创 Eclipse的Debug介紹與技巧

Eclipse的Debug介紹與技巧原文地址:http://www.hollischuang.com/archives/365沒有任何程序員能夠一氣呵成的寫出沒有任何BUG的代碼,所以很多程序員有相當一部分時間是花費在Debug上的,程序

原创 SIMD指令初學

參考自:http://blog.csdn.net/gengshenghong/article/details/7008704(。。。。)SIMD即 single instruction multiple data,單指令流多數據流,也就是

原创 圖像矩(Hu矩)簡介

(1)零階矩 根據矩的定義,二維圖像的灰度用f(x,y)表示,零階矩m00m00表示爲:m00=∬f(x,y)dxdym00=∬f(x,y)dxdy表示的是圖像灰度的總和。 (2)一階矩 圖像的一階矩m10m10和m01m01表示用來確定

原创 TensorFlow快餐教程:程序員快速入門深度學習五步法

作者簡介:劉子瑛,阿里巴巴操作系統框架專家;CSDN 博客專家。工作十餘年,一直對數學與人工智能算法相關、新編程語言、新開發方法等相關領域保持濃厚的興趣。樂於通過技術分享促進新技術進步。作爲一個程序員,我們可以像學習編程一樣學習深度學習模

原创 opencv學習筆記9 直方圖均衡化並繪製直方圖

進行直方圖均衡化並將直方圖繪製出來,主要需要如下幾個函數: 1、CVAPI(void) cvEqualizeHist( const CvArr* src, CvArr* dst );這個函數用起來十分簡單,只需要傳入源圖像以及已初始化