其他

很多音樂播放軟體都有均衡器，例如千千靜聽的數字均衡器效果如下：這是一個10段均衡器。 均衡器實際上就是一組帶通濾波器。對於學過數字訊號處理的人，要設計這樣一組濾波器並不是什麼難事情。這裡我做了一個簡單的均衡器，這個均衡器只有3段，即對低頻，中頻和高頻進行調整。 1. 均衡器相關結構定義如下： 1 typedef struct 2 { 3 // Filter #1 (Low band) 4 5 double lf; // Frequency 6 double f1p0

看別人的會聲會影視頻教程看著非常的累，自己總結了下製作要點。這個過程完全可以自己編寫一個簡單的程式去實現。1. 總共需要6張照片，圖片必須是PNG格式，並且事先經過PS處理成一半是透明的格式，一般採用右半部分是透明的。照片的編號一次為P1到P6.2. 需要用到6條覆疊軌，第一條覆疊軌上需要用到11張照片，第二條覆疊軌上需要用到9張照片，依次類推，第六條覆疊軌則只要1張照片。照片在覆疊軌上呈倒金字塔排列，如所示：                  P1, P2, P3, P1, P1, P2,

 看別人的會聲會影視頻教程看著非常的累，自己總結了下製作要點。這個過程完全可以自己編寫一個簡單的程式去實現。需要用到3條覆疊軌總共需要6張照片，圖片必須是PNG格式，並且事先經過PS處理成一半是透明的格式，一般採用右半部分是透明的。起始翻轉只用到2張照片，翻轉結束的時候也是2張照片；故這個時間區間只用到2條覆疊軌最下面一條覆疊軌處理翻轉的動畫中間一條覆疊軌用於翻轉之後的照片最上面一條覆疊軌處理最新出現但還沒有翻轉的照片。 製作過程1. 插入第1張照片到第二條覆疊軌，添加矩形遮罩和畫中畫濾鏡   

 摘要

經過我長達半年時間的預研與最佳化，我的美白磨皮演算法基本上可以拿來商用了。測試圖片的效果表明，我的美白磨皮的演算法已經超過ios上各類映像特效軟體的處理結果。先來看我用openCv做的demo： 演算法有4個可調的參數，用以控制細節，由於可調的參數太多，導致openCv的主視窗沒法顯示全部的映像。可以來看一下處理之前後的對比映像： 處理之前： 美白磨皮之後：  再來看另外一張人臉的效果： 演算法處理之前：  美白磨皮演算法之後： 

      高斯濾波是很多影像處理演算法中最關鍵性的一個中間步驟，實現快速高斯濾波演算法具有很重要的意義。      通過拜讀前輩們關於高斯濾波快速演算法的相關文獻，實現了自己的快速高斯濾波演算法，並用NEON指令加速了將近6倍。1. 均值濾波逼近高斯濾波         

本人蔘考下面的文獻實現了自己的偏色檢測：測控技術2008 徐曉昭等 基於映像分析的偏色檢測及顏色校正方法 1. 偏色檢測    在我的實現中，通過分析上述文獻的思路，認為文獻中的公式4有問題。    我的實現中，沒有採用上述文獻中的公式4，而是用另外的方法計算偏色因子K的值。這種修改可能與所實現的RGB到LAB空間轉換的有關係。    我測試過openCv的rgb2lab的方法，openCv的lab取值區間均轉換到0-255，通過轉換到正常的LAB取值區間，及L為0-100，a，b為-128-1

臉部偵測和Face Service都是屬於典型的機器學習的方法，但是他們使用的方法卻相差很大。對於臉部偵測而言，目前最有效方法仍然是基於Adaboost的方法。在網上可以找到很多關於Adaboost方法的資料，但基本上是千篇一律，沒有任何新意。給初學者帶了很多不便。建議初學者只需要認真閱讀：北京大學 趙楠 的本科畢業論文 ：基於 AdaBoost演算法的臉部偵測

文章目錄 Unix 起源Unix分裂Unix的法律糾紛Unix開源組織Linux橫空出世Linux今天的領袖

Ubuntu 顯卡驅動安裝nVidia 顯卡: 源安裝 $sudo gedit /etc/apt/sources.list 添加一行 deb http://nvidia.limitless.lupine.me.uk/ubuntu edgy stable-9631 $sudo apt-get update $wget http://nvidia.limitless.lupine.me.uk/ubuntu/root@lupine.me.uk.gpg -O- | sudo apt-key add –

轉載請註明源地址：http://www.cnblogs.com/xbinworld/archive/2013/04/21/3034300.html  Pattern Recognition and Machine Learning (PRML)書學習，章節1.1，介紹與多項式曲線擬合(Polynomial Curve Fitting)博士也快念完了，明年畢業，今年開始準備畢業相關的東西，感覺自己做machine learning

如引用請務必註明此文出自：http://www.cnblogs.com/xbinworld 繼續寫一點經典的降維演算法，前面介紹了PCA,LDA，LLE，這裡講一講Laplacian Eigenmaps。其實不是說每一個演算法都比前面的好，而是每一個演算法都是從不同角度去看問題，因此解決問題的思路是不一樣的。這些降維演算法的思想都很簡單，卻在有些方面很有效。這些方法事實上是後面一些新的演算法的思路來源。 Laplacian Eigenmaps[1]

轉自：http://blog.sciencenet.cn/blog-297739-251363.htmlIplImage 結構解讀：typedef struct _IplImage{int nSize;                    /* IplImage大小 */int ID;                         /* 版本 (=0)*/int nChannels;           /* 大多數OPENCV函數支援1,2,3 或 4 個通道 */int

主要解決方案參見了：http://www.palfans.net/a-issue-of-apmserv5-2-6/最近APMServ很火，先大致介紹一下：APMServ 5.2.6 是一款擁有圖形介面的快速搭建Apache 2.2.9、PHP 5.2.6、MySQL 5.1.28 ＆4.0.26、Nginx 0.7.19、Memcached 1.2.4、phpMyAdmin

1、右擊“我的電腦”，依次單擊“屬性/進階/效能設定”在“視覺效果”頁中將“在案頭上為表徵圖標籤使用陰影”選中，單擊確定即可。 2、有時會出現上述設定也不能解決問題，我們就可以通過建立一個使用者的辦法解決，但案頭表徵圖、快速啟動欄以及環境變數等等設定會恢複為預設狀態，需要重新設定。 3、其實在第一種方法無效時，我們不用建立使用者，問題一樣可輕鬆解決：右擊案頭空白處，依次單擊“屬性/案頭/自訂案頭/web”選項，將“網頁”欄中的“當前首頁”以及“http//......”等所有各項前面的勾全部去掉

原文來自：http://blog.csdn.net/yang_hui1986527/article/details/6677450第一步：下載jdk-7-linux-i586.tar.gz[plain] view plaincopywget -c http://download.oracle.com/otn-pub/java/jdk/7/jdk-7-linux-i586.tar.gz  (註：如果下載不下來，建議使用迅雷下載，然後拷貝到Linux系統上。)第二步：解壓安裝[plain]

原創書寫，轉載請註明出處http://www.cnblogs.com/xbinworld/archive/2013/04/25/3041505.html  今天開始學Pattern Recognition and Machine Learning (PRML)書，章節1.2，Probability Theory

　　可能的損壞原因是：非順利關機病毒造成的破壞硬碟問題（經常頻繁的出現不同的檔案損壞就可以判定為硬碟有壞道了）解決辦法：1.右鍵點擊C盤-屬性-工具-開始檢查-勾上第一項自動修複-開始-出來一個確認框，點擊確定，然後手動重啟電腦，進入系統前會進行磁碟檢測，不要按任意鍵跳過，等掃描完了，會自動進入系統，之後就沒事了。最好把別的盤也照做一遍2.chkdsk 盤符： /F

今天開始學Pattern Recognition and Machine Learning (PRML)，章節1.2，Probability Theory （下）今天把1.2寫完，這一節講了很多重要的基礎內容。1.2.3

今天開始學Pattern Recognition and Machine Learning (PRML)，章節1.6，Information Theory資訊理論簡介前面有朋友說寫的東西太理論了，我想說我並不是在和很多其他部落格一樣做topic的入門介紹，配合很多之類；而是在記錄PRML這本經典教科書的內容。如果想好好學Pattern Recognition and Machine Learning，建議花半年時間看一本國外經典。（前面忙實驗室的任務寫的太慢了，這本書要吃透是要花點時間。）章節1