原创 程序片段----使用Windows api 獲得系統時間並生成文件夾

// 使用window api 獲得系統時間 // 生成 #include "stdafx.h" #include <Windows.h> #include <direct.h> #include <iostream> int ma

原创 程序片段----隨機森林 opencv

cv::Mat trainData; cv::Mat ClassData; // ... push_back trainData and ClassData, list features as row sample; set ty

原创 git 版本控制基本操作

教程 : http://blog.jobbole.com/78960/ 支持Linux命令 //// 本地操作(工作區) 0.  初始化設置 git config  –global user.name "用戶名" git config

原创 代碼片段----patternsearch

http://cn.mathworks.com/help/gads/patternsearch.html 基本用法 % 定義一個 function function y = er(x) y = (x-5)^2; end % 在

原创 莫煩TensorFlow_06

import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def add_layer(inputs, in_size, out_size, ac

原创 一個僅接受兩個輸入向量的協方差計算函數

輸入參數說明: 基於opencv _src 一共兩行,每行是一個樣本數據。 如果兩個樣本如下: A = {1 2 3 4 5 6} ; B = {7 8 9 4 5 6} 則_src應該是: 1 2 3 4 5 6 7 8 9 4

原创 程序片段----獲得目錄下的文件名

#include "stdafx.h" #include <fstream> #include <vector> #include <io.h> void getFile(std::string path, std::vector<

原创 代碼片段----cv::FileStorage

Mat的保存和讀取 存成圖像的Mat失去了精度信息,都是歸一到0-255存儲的。 存數據的Mat的保存應該使用FileStorage存儲成xml. 還有一個用途就是在外部設置程序的參數。對大型工程(編譯慢)的調試特別有用。 #incl

原创 程序片段----opencv cv::ml::KNearest knn 20170904

// opencv3 knn 的實例 // 樣本是隨機數生成的,不需要額外數據集。 // knn : k 是要設定的參數,意義是:將待測樣本X最近的k個點進行比較,A類型的點最多,那麼認爲待測樣本X是A類型。 // 環境 : openc

原创 covisibility graph 和 essential graph 的理解

參考:https://www.zhihu.com/question/42050992/answer/93631387 根據半閒居士的回答,我的理解如下: #1 首先“圖”的概念:應該是由頂點和邊組成的。頂點數量不限,每個頂點連接的邊的數

原创 程序片段----std::set中使用自己定義的結構體需要重載小於號 20170904

 // 在 set 中使用自己的結構體 #include "stdafx.h" #include <iostream> #include <set> struct student { std::string name; i

原创 matlab面向對象編程基本

1 基本框架,函數聲明 classdef 聲明類,’.m’文件名和類名一致。 hande 是父類;< 表示繼承

原创 程序片段----計算連通域

src_inv 是 CV_8UC1 std::vector<std::vector<cv::Point>> connDomains; cv::findContours(src_inv, connDomains, cv::RETR_EX

原创 程序片段----獲得路徑下的文件名(matlab)

%%% 獲得路徑下的所有文件的文件名 Files = dir('C:\XX\*.png'); FilesLength = length(Files); for i=1:FilesLength I = imread(stdcat(

原创 20170228. 特徵點相關

1. ORB特徵 http://www.aiuxian.com/article/p-1728722.html 2. FAST Features From Accelerated Segment Test http://blog.csd