其他

一、問題的提出         兩年之前我寫過一篇可變參數學習筆記，裡面曾經簡單的解釋過一句：         代碼         ((sizeof(n)+sizeof(int)-1)&~(sizeof(int)-1))         的作用是在考慮位元組對齊的因素下計算第一個可變參數的起始地址。         當時限於時間和水平，未能做更詳細的解釋。         今天(2007-11-26)在csdn論壇上看到了一個文章        

 在omnet++中，在拓撲圖的顯示中，有時候我們需要顯示不同的圖片，這裡有可以調用它的一個顯示函數：displayString().setTagArg("i",0,"node2");（“node2”是你小顯示的圖片的名字，格式是gif的）這個函數的原型是：/**     * Sets an argument for the given tag. The value may be NULL pointer.     * If index points beyond the last

展開、收縮、扭曲、旋轉是映像的幾何變換，在三維視覺技術中大量應用到這些變換，又分為仿射變換和透視變換。仿射變換通常用單應性建模，利用cvWarpAffine解決密集映射，用cvTransform解決稀疏映射。仿射變換可以將矩形轉換成平行四邊形，它可以將矩形的邊壓扁但必須保持邊是平行的，也可以將矩形旋轉或者按比例變化。透視變換提供了更大的靈活性，一個透視變換可以將矩陣轉變成梯形。當然，平行四邊形也是梯形，所以仿射變換是透視變換的子集。本小節實現映像的仿射變換。-------------------

個人的淺顯認識, 歡迎批評指正.1. 什麼是數群組類型?下面是C99中原話:An array type describes a contiguously allocated nonempty set of objects with aparticular member object type, called the element type.36) Array types are characterized by their element type and by the number of

ZOJ題目分類初學者題：1001 1037 1048 1049 1051 1067 1115 1151 1201 1205 1216 1240 1241 1242 1251 1292 1331 1334 1337 1338 1350 1365 1382 1383 1394 1402 1405 1414 1494 1514 1622 1715 1730 1755 1760 1763 1796 1813 1879 1889 1904 1915 1949 2001 2022 2099 2104 210

cvSobel可用於邊緣檢測，即簡單的梯度演算法（邊緣提取演算法）。（以下兩段摘自網路）       

透視變換（單應性？）能提供更大的靈活性，但是一個透視投影並不是線性變換，因此所採用的映射矩陣是3*3，且控點變為4個，其他方面與仿射變換完全類似，下面的常式是針對密集變換，稀疏映像變換則採用cvPerspectiveTransform函數來處理。------------------------------------------------------------------------------------------------WarpPerspective對映像進行透視變換 void

基本模型:HMM(Hidden Markov Models):      A Tutorial on Hidden Markov Models and Selected Applications inSpeech Recognition.pdfME(Maximum Entropy):      ME_to_NLP.pdfMEMM(Maximum Entropy Markov Models):      memm.pdfCRF(Conditional Random Fields):     

說來慚愧，使用了很久Visual Stdio 2003了，只知道MFC升級到了7.0，ATL也升級到了7.0，對於這兩個經典的類庫做了一些研究，但一直沒有注意C++標準庫的變化。     今天嘗試的使用了stdext::hash_map這個庫，果然不錯。下面寫下一些心得。      hash_map類在標頭檔hash_map中，和所有其它的C++標準庫一樣，標頭檔沒有副檔名。如下聲明：           #include <hash_map>          using

分析映像、物體和視頻資訊過程，我們常把看到的物體用長條圖（histogram）表示，長條圖可以用來描述各種不同的事情，如物體的色彩分布、物體邊緣梯度模板，以及表示目標位置的機率分布。長條圖廣泛應用在電腦視覺應用中，簡單說，長條圖就是對資料進行統計，將統計值組織到一系列事先定義好的bin中，bin中的數值是從資料中計算出的統計量，這些資料可以是諸如梯度、方向、色彩或任何其他特徵。長條圖獲得的是資料分布的統計圖。長條圖有待深入理解！！---------------------------------

Canny是常用的邊緣檢測方法，其特點是試圖將獨立邊的候選像素拼裝成輪廓。（參考：摘自網路）John Canny於1986年提出Canny運算元，它與Marr（LoG）邊緣檢測方法類似，也屬於是先平滑後求導數的方法。John Canny研究了最優邊緣檢測方法所需的特性，給出了評價邊緣檢測效能優劣的三個指標：1.好的信噪比，即將非邊緣點判定為邊緣點的機率要低，將邊緣點判為非邊緣點的機率要低；2.高的定位效能，即檢測出的邊緣點要儘可能在實際邊緣的中心；3.

0.Union-find 並查集演算法1.Knuth-Morris-Pratt 經典的KMP字串匹配演算法2.Quicksort 快排，這裡特別建議看原帖的Thread。3.The algorithm of Blum, Floyd, Pratt, Rivest, and Tarjan 尋找第k大的數4.Floyd-Warshall algorithm 弗洛伊德演算法求最短路徑5.Gentry's Fully Homomorphic Encryption

本常式涉及到幾個資料結構及方法，CvMemStorage、cvPyrSegmentation()、CvConnectedComp、cvGetSeqElem(). CvMemStorageCvMemStorageGrowing memory storage typedef struct CvMemStorage{struct CvMemBlock* bottom;/* first allocated block */struct CvMemBlock* top; /* the current

霍夫圓變換與直線變換大體上是類似的，但是累加平面會被三維累加容器代替，（x,y,r），x,y確定圓心，r確定半徑，但這意味著需要大量記憶體速度較慢，OpenCV通過一個比較靈活的霍夫梯度法來解決圓變換問題，利用到cvSobel。累加器概念不是很明白？？-------------------------------------------------------------------------------------------------霍夫圓變換的函數為：HoughCircles利用

如果是Map類型private Map<String ,User>users;public void setUsers(Map<String,User> users){this.users=users;}JSP輸入頁面<input type="text" name="users['one'].name"/>輸出頁面<s:property value="users['one'].name"/>如果是List類型private List<

我們可以對映像做點事情嘗試擴大其動態範圍，對這個操作最常用的技術是長條圖均衡化，可以將比較淡的映像變換為比較深的映像（即增強映像的亮度及對比）。長條圖均衡化後面潛在的數學原理是一個分布（輸入的亮度長條圖）被映射到另一個分布（一個更寬，理想統一的亮度值分布），映射函數是一個累積分布函數。對於連續分布，結果將是準確的均衡化。在cvEqualizeHist中，原始映像及靶心圖表像必須是單通道，大小相同的8位元影像像，對於彩色映像，必須先將每個通道分開，再分別進行長條圖均衡化處理，然後將通道合并形成新的

今天和師兄交流了一番，終於對SVM有了初步的理解，雖然覺得自己還是很小白，但是有收穫、有進步就好。SVM處理流程（待修正）：1.  收集資料，相關性分析（p卡方檢驗），特徵選取（主成份分析PCA）。PCA提取特徵向量，用這些來分類，SVM是分類器，輸入的就是特徵向量。2.  歸一化資料。就是根據實際要求，將資料的取值範圍轉化為統一的區間如[a,b],a,b為整數。3.

利用DFT可以大大加快卷積運算的速度，因為卷積定理說明空間域的卷積運算可以轉換為頻域的乘法運算。-------------------------------------------------------------------------------GetOptimalDFTSizeGetOptimalDFTSize對於給定的向量尺寸返回最優DFT尺寸 int cvGetOptimalDFTSize( int size0 );size0 向量長度. 函數

第五章終於翻篇了，看自己寫的東西還是覺得思維很混亂，有些東西理解的不深入，一直處於似的非懂的狀態。但是第一遍的學習希望能建立一個知識架構，瞭解一個大概，畢竟剛入門映像，等到第二遍的時候再細細考究每一個演算法的實現。-------------------------------------------------------------------------------------先來瞭解卷積的概念與作用（轉自網路）：Filter2D對映像做卷積void cvFilter2D( const