其他

CoolGampepad，手機藍芽手柄，更確切說是手機PC套件，準系統就是用手機實現手柄功能，可以玩電腦上的遊戲（任何遊戲~）。第一次學院實訓跟著阿德做的，感覺最終效果挺炫的，不過實現思路並不複雜，就是設計手機和PC鍵的映射。將手機的按鍵動作轉為電腦上的操作用藍芽發送，實現玩遊戲的功能。除了一般闖關遊戲的上下左右四種手柄，我們還拓展了方向盤手柄，觸摸板手柄和射擊手柄。功能結構圖：套件的串連主要是通過藍芽：實現中比較重要的幾個問題，藍芽匹配和傳輸，手機PC索引值對設定，多點觸控手勢。大部分都解決了

文章目錄 定義：舉例：意義： 轉自部落格園：http://www.cppblog.com/oosky/archive/2006/07/06/9486.htmlKMP字串模式比對通俗點說就是一種在一個字串中定位另一個串的高效演算法。簡單匹配演算法的時間複雜度為O(m*n);KMP匹配演算法。可以證明它的時間複雜度為O(m+n).。一.簡單匹配演算法先來看一個簡單匹配演算法的函數：int Index_BF ( char S [ ], char

和這一篇《數位影像長條圖》內容是一樣的，只是使用Mat格式實現~繪製灰色長條圖//繪製灰階長條圖int main( ){Mat src,gray;src=imread("baboon.jpg");cvtColor(src,gray,CV_RGB2GRAY);int bins = 256;int hist_size[] = {bins};float range[] = { 0, 256 };const float* ranges[] = { range};MatND hist;int

原文出自   http://blog.csdn.net/passball/article/details/5204132網上發現一篇不錯的文章，是關於映像特徵提取的，給自己做的項目有點類似，發出來供大家參考。       特徵提取是電腦視覺和影像處理中的一個概念。它指的是使用電腦提取映像資訊，決定每個映像的點是否屬於一個映像特徵。特徵提取的結果是把映像上的點分為不同的子集，這些子集往往屬於孤立的點、連續的曲線或者連續的地區。 特徵的定義        

1、在Cisco的路由器上配置了CEF的按資料包平衡負載之後，所有的資料包只走了一條路。為什嗎？按資料包的平衡負載到底會是什麼樣的狀況？2、使用ACL許可權配置過濾ping的資料包時為何終端中不顯示？可以看見全部都ping通，並且使用tracert可以追蹤到路由，為何在路由器端無法過濾？3、Cisco的CEF到底預設是開著還是關著的？？？？？？？？？？(#‵′)我查到的命令是這樣的 ip cef #開啟全域cefip route-cache cef #開啟介面cefip

1. 如果使用者對任意一個matlab預定義變數進行賦值，則該變數的預設值將被使用者新賦值“臨時”覆蓋，直到使用clear命令清除記憶體變數。2. 數組運算都需要在向量或者矩陣後面添加一個黑點，這樣是向量或者矩陣相對應位置資料的運算，例如A.*B表示數組A中的元素乘以數組B中對應位置的元素。3. matlab所有的運算都是定義在複數域上，對複數直接進行方根運算時，matlab只給出“第一象限”的那個根，例如(-2)^(1/2)，只給出0.0000 +

1. pack整理記憶體片段，合并片段記憶體為連續記憶體。有時對於容量較大的變數，會出現“Out of Memory”的問題，一個可能的原因是matlab存放變數時，必須使用連續的記憶體空間，對於那些被分割的支離破碎的記憶體空間，即使其綜合超過了變數需要的空間，也無法使用。在這種情況下，可以使用pack指令整理片段記憶體。2. 將變數儲存為ascii碼格式，matlab預設的儲存變數為.mat檔案，但是用文字編輯器開啟後是亂碼。可以講變數儲存為ascii碼格式，這樣方便資料的查看和編輯。例如

 詞彙表旨在使讀者避免對常用詞和專業化詞彙產生混淆。下述定義同數位影像處理的一般用法一致，但絕不是本領域的標準化定義。它們和已出版的影像處理和電腦技術書籍中對有關詞彙的定義是大體一致的。   Algebraic operation  代數運算  一種影像處理運算，包括兩幅映像對應像素的和、差、積、商。    Aliasing  走樣（混疊） 當映像象素間距和映像細節相比太大時產生的一種人工痕迹。    Arc  弧  （l）圖的一部分（2）表示一段相連曲線的像素集合。    Binary ima

本文轉自http://www.ricoh.com/about/company/technology/voice/column/009.htmlWe can read small characters without difficulty. Do our eyes have such high resolution? Is eye lens resolution much better than a state of the art camera lens?Before answering,

 這一兩個星期裡各地的大學都有畢業的班級，都有很多的畢業生離開學校去開始他們的成人事業。學生的生活是一種享有特殊優待的生活，不妨幼稚一點，不妨吵吵鬧鬧，社 會都能縱容他們，不肯嚴格地要他們負責行為的責任。現在他們要撐起自己的肩膀來挑他們自己的擔子了。在這個國難最緊急的年頭，他們的擔子真不輕！我們祝他們的成 功，同時也不能不依據我們自己的經驗，贈與他們幾句送行的贈言——雖未必是救命毫毛，也許作個防身的錦囊罷！ 你們畢業之後，可走的路不出這幾條：絕少數的人還可以在國內或國外的研究院繼續作學術研究；少

首先我的OS是ubuntu 12.10.1、記住最好先裝Open jdk。要是先裝了Sun的其實也行，就是後面配置的時候優先順序要設定的高一點，設定個3000神馬的，這樣才能識別為自動項。2、我很沒出息的下載的是.deb包，而不是原始碼。因為簡單使用dpkg -i

原文出處：http://blog.csdn.net/gnuhpc/article/details/4286183#include "cv.h"#include "highgui.h"#include <time.h>#include <math.h>#include <ctype.h>#include <stdio.h>#include <string.h>// various tracking parameters (in

1. 群集中距離函數的有效性    群集採用距離函數作為相似性測量的依據，此種方法是否有效，取決於特徵向量的分布。如果向量點是一群一群出現的，同一群樣本密集，不同群樣遠離，則方法有效。如果所有樣本的向量分布成一團，那麼就很難做群集。 2. 群集中的特徵選取    做群集時，選取的特徵向量是否合適非常關鍵。例如許多不同品牌的醬油和可樂混雜放在一起，要將醬油和可樂分開來。如果以“味道”作為識別分類的特徵，很容易就大道目的。如果以“顏色”作為識別分類的特徵，那麼就很難分別。 3.

1. 模式識別是“外部資訊道道感覺器官並被轉換成有意義的感覺經驗”的過程。感覺經驗可以理解成模式，”轉化成有意義的感覺經驗“的過程就是模式的“識別過程”。模式識別問題通常表現為判別或者分類問題。2. 模式識別過程一般如下：（1）資訊輸入與資料擷取。          也就是擷取未經處理資料，比如拍的照片（2）資料預先處理。          為了更方便的提取特徵，需要對資料進行預先處理，比如對映像進行去噪、劃分目標。（3）特徵的抽取、選擇與提取。          抽取：計算所有可以測量的特徵，

最近做課題的時候需要對壓縮視頻中運動向量幅值和相位做統計。一直以來都是都是採用OpenCV做影像處理和視頻分析。自然而然的想到了calcHist這個函數。通過查看函數API，欣然得發現，剛好有函數原型為：       void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize, const

文章目錄 一、笛卡爾座標二、多種座標系

我好像每年都要倒騰一次這種東西。由於需要學習KVM在ARM上的虛擬化技術，缺乏必要的硬體支援，所以必須在PC上類比ARM平台。。大約是安裝若干個作業系統，然後類比下看效能。。。參考http://www.virtualopensystems.com/media/kvm-resources/kvm-arm-guide.pdf進行配置。平台搭建，是個極其需要耐心的活兒==|1、安裝所需要的工具鏈2、安裝FastModels。直接去ARM官方網站下載。解壓之後運行./setup.bin即可。注意需要註冊

記錄一些問題。首先是許可權的問題。在Eclipse下開發時候會遇到Permission Denied的狀況。該許可權即可(貌似不太安全，我看到有人是修改的設定檔，等我和大牛們討論了再說)1、許可權的改法，以我的為例./hadoop fs -chmod -R 777 ~/hadoop/hadoop2、關於使用java api上傳檔案。 在定義一個FileSystem變數的時候偽分布式和單機版的方法是不一樣的，單機版使用的是FileSystem類的靜態函數FileSystem hdfs =

本文轉自http://blog.csdn.net/muzi198783/article/details/7347413TLD演算法一開始做的工作就是特徵選取 如何選則呢 這個我在其中一篇文獻找到了答案.作者也只是做了一個比較，採用的方法是一種比較笨的方法 如何找的一個最佳化 這個可以作為一個比較好的思路 我現在主要是時間有限 如果哪位同學有什麼想法或毅力做這件事 我希望告訴我啊！理解這個特徵選取需要有一定的數學基礎，1 貝葉斯機率模型2 mean-shift 演算法 用於跟蹤3 映像長條圖4

本文轉自http://www.ricoh.com/about/company/technology/voice/column/021.htmlClassification of Non-rigid ObjectivesThe previous column story told ( No.20 Weak Classifier and Strong Classifier) how integrated multiple weak classifiers reorganize themselves