原创 vc++ External dependencies

External   Dependencies是說你沒有把這個文件加入到這個工程中,但是需要這個文件的支持。當然有時是誤操作。比如你從工程裏面刪除了abc.h但是在其中一個文件中用#include包含了這個文件,那麼,abc.h就會進入E

原创 目標檢測的圖像特徵提取

轉自:http://blog.csdn.net/zouxy09/article/details/7929348 作者:zouxy09   目標檢測的圖像特徵提取之(一)HOG特徵 1、HOG特徵:        方向梯度直方圖

原创 CUDA shared memory使用

序言:明年就畢業了,下半年就要爲以後的生活做打算。這半年,或許就是一個抉擇的時候,又是到了一個要做選擇的時候。或許是自己的危機意識比較強,一直都覺得自己做得不夠好,還需要積累和學習。或許是知足常樂吧,從小山溝,能到香港,一步一步,自己都

原创 Windows 7系統下搭建MPI(並行計算)環境

Windows系統下搭建MPI環境 MPI的全稱是Message Passing Interface即標準消息傳遞界面,可以用於並行計算。MPI的具體實現一般採用MPICH。下面介紹如何在Windows XP系統下VC6中搭建MPI環

原创 創建8位DIB並顯示

   做的一個項目由於系統是8位的,對於24位的DIB位圖使用BitBlt函數的時候非常慢,在debug下測試對於2500*2500的圖像,BitBlt函數用了大概4000-5000ms,非常的受不了,這裏主要是由於系統是8位的,你創建

原创 #pragma DATA_ALIGN作用

#pragma,是一個編譯控制指令,可以在編譯時動態地調整編譯選項,這種指令在不同的編譯系統中是不同的.   #pragma DATA_ALIGN( symbol,constant)  指令的作用是:排列排列symbol到cons

原创 sizeof用法

sizeof()功能:計算數據空間的字節數 1.與strlen()比較       strlen()計算字符數組的字符數,以"\0"爲結束判斷,不計算爲'\0'的數組元素。       而sizeof計算數據(包括數組、變量、類型、結構

原创 聚類分析之距離計算

 聚類分析中如何度量兩個對象之間的相似性呢?一般有兩種方法,一種是對所有對象作特徵投影,另一種則是距離計算。前者主要從直觀的圖像上反應對象之間的相似度關係,而後者則是通過衡量對象之間的差異度來反應對象之間的相似度關係。        

原创 插值

圖像縮放算法是數字圖像處理算法中經常遇到的問題。我們經常會將某種尺寸的圖像轉換爲其他尺寸的圖像,如放大或者縮小圖像。OpenCV中的Resize() 函數非常方便而且效率非常高。下面是OPENCV提供的cvResize函數原型。 /

原创 指針數組

int main(void) {     int a[4] = {1, 2, 3, 4};     int *ptr1=(int *)(&a+1);     int *ptr2=(int *)((int)a+1);     p

原创 學習OpenCV的學習筆記系列(二)源碼編譯及自帶樣例工程(轉)

下載及安裝CMake3.0.1       要自己編譯OpenCV2.4.9的源碼,首先,必須下載編譯工具,使用的比較多的編譯工具是CMake。 下面摘錄一段關於CMake的介紹:        CMake是一個跨平臺的安裝(

原创 有趣的21

我們知道,整數被2 , 3 , 4 , 5 , 8 , 9或11整除的特點易掌握,什麼樣的數能被7整除?這可是一個難題,下面,我將介紹一些關於整數被7整除的有趣而又有用的知識。 先從3×7=21談起。   有一個道理是很明顯的。如果

原创 聚類分析(二)——K中心點算法(k-mediods)

K中心點算法(K-medoids) 前面介紹了k-means算法,並列舉了該算法的缺點。而K中心點算法(K-medoids)正好能解決k-means算法中的 “噪聲”敏感這個問題。 如何解決的呢? 首先,我們得介紹下k-means

原创 聚類分析(五)——基於密度的聚類算法OPTICS

1  什麼是OPTICS算法 在前面介紹的DBSCAN算法中,有兩個初始參數E(鄰域半徑)和minPts(E鄰域最小點數)需要用戶手動設置輸入,並且聚類的類簇結果對這兩個參數的取值非常敏感,不同的取值將產生不同的聚類結果,其實這也是大多數

原创 基於密度的聚類算法(四)——DBSCAN

一  什麼是基於密度的聚類算法 由於層次聚類算法和劃分式聚類算往往只能發現凸形的聚類簇。爲了彌補這一缺陷,發現各種任意形狀的聚類簇,開發出基於密度的聚類算法。這類算法認爲,在整個樣本空間點中,各目標類簇是由一羣的稠密樣本點組成的,而這