资源列表
Image_grey_fisheye
- 1、使用GDI+库读取图片； 2、对图像进行灰度处理 3、对正常图像进行鱼眼效果处理(mfc ui, gdi+ read image, grey convert, fish eye convert)
荒野行动Inject透视自瞄
- 疯狂工具高盛公司海水淡化化生寺黑社会还是还是还是活生生事实上化生寺好是是(hgdsggfdsgfgshssss hsh shshs hssssssssssssssssssssssssssss)
e3-08-01-05
- Downloads The download link of this project follows. Portfolio Optimization using Classic Methods and Intelligent Methods (PSO, ICA, NSGA-II, and SPEA2) in MATLAB Download
Mechnical Answers
- One of the classic approaches to deal with multi-objective optimization problems, is decomposition, which means that a multi-objective is decomposed to several (theoretically infinite) single-objective optimization problems. Decomposed objective func
svhosb
- 荒野行动电脑版本游戏透视上色透明等多功能(Wilderness action computer version game perspective color transparency and other versatile functions)
ABC-Matlab
- 通过人工蜂群优化算法对分类好的数据进行处理，对分类中的某个函数或参数进行修改(Artificial Bee Optimization)
14_车牌识别系统
- 1.首先单击载入图像菜单项（载入车辆图像）,图像在images文件夹下面。 2.然后单击车牌定位与识别单项，依次进行车牌提取、倾斜校正、字符分割、字符识别。 注：本程序使用的是OpenCV2.1版本(First click the load image menu item(load the vehicle image), which is under the images folder. 2. The license plate extraction, tilt correction, c
13_车型识别系统
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。(First click the load image menu item(load background and foreground images), which is under the image folder. 2. Then
12_运动车辆检测跟踪系统
- 1.首先从文件菜单打开程序目录下的car.avi视频,系统将显示视频的第一帧。 2.点击背景提取菜单，稍后会提取出背景并显示在打开的第二个窗口中。 3.当提取出背景后，点击检测跟踪菜单，对车辆进行检测和跟踪。 4.点击轨迹绘制菜单，绘制车辆的轨迹。 注：由于使用OpenCV打开AVI视频文件需要视频解码器，故在程序运行前请在电脑上先安装DivX类型的的视频解码器，否则将出现无法打开文件的错误。本程序使用的是OpenCV2.1版本，在没有安装此版本软件的机器上运行时需要将cv210.d
11_人脸检测与识别系统
- 1.本程序主要处理BMP位图。 2.为了方便读者学习，程序各步骤都被拆分开实现了，通过点击相应按钮可以看到每个步骤处理的结果。 3.如果是进行人脸识别，需要先打开一幅位图依次进行“人脸检测与定位”操作和“人脸特征标注”操作，然后再打开需要比较的第二幅位图，也是依次进行所有操作，最后进行识别以区分先后两个人脸。(This procedure deals mainly with BMP Bitmaps. 2. In order for the reader to learn, each ste
sfm_toolbox-master
- code developped on matlab
pca_row
- 对于一个多维数据实现降维，以提高后续数据处理速率。(Multidimensional data dimensionality reduction)