搜索资源列表
test3
- 在Windows系统中，安装GLUT库：打开glut-3.7.6-bin.zip，取出glut.h，glut32.lib，glut32.dll，分别放置。 使用Visual Studio C++编译已有项目工程，并修改代码生成六角星图案。在此基础上，修改各顶点颜色，使得每个顶点颜色不一样，多边形内部颜色渐变。 -On Windows systems, install GLUT libraries: Open glut-3.7.6-bin.zip, remove glut.h, glut3
readerwriter
- 读者写者问题C++解法,使用互斥信号量,写者线程优先,共有3个读者2个写者-Similar to the barbers problem,the program use semaphore to solve the reader/writer problem.Two semaphores are involved:m_h, h,used as a counter and mutex between 2 writers.Main function create 3 reader thread an
Depth-image-based-rendering
- This program implements the rendering framework that is used in the paper D. De Silva, W. Fernando, and H. Kodikaraarachchi, “A NEW MODE SELECTION TECHNIQUE FOR CODING DEPTH MAPS OF 3D VIDEO,” IEEE International Conference on Acoustics, S
wt2
- IHS变化 IHS rgb2hsv(ms) 将RGB变换到IHS空间，生成的IHS图像中，1通道对应H，2通道对应S，3通道对应I 读全色图像 pan imread( bbb0g.bmp ) pan imresize(pan,[512,512]) 直方图匹配 [counts,x] imhist(IHS(:,:,3)) pan histeq(pan,counts) 用pan代替IHS的I分量 IHS(:,:,3) pan 逆IHS变换
PLDFI262
- 利用函数MadHG生成规则LDPC码的校验矩阵H,其行重为6,列重为3(Rules of LDPC codes generated by function MadHG check matrix H, the adults is 6, column 3)
ex2
- QT下基于opencv3.2的HSV图像分离，通过查找V分量上ROI区域最亮值的坐标，找到H分量上对应坐标的3*3矩形平均H值，判断出该坐标所处位置的颜色分类(QT under the opencv3.2 based HSV image separation, by looking for the V component on the ROI region of the brightest value coordinates, find the corresponding 3*3 coordin
glut
- 1.头文件: gl.h, glut.h, glu.h放到E:\Microsoft Visual Studio\VC98\include\GL中，如果没有GL，就自己建一个。 2.静态库文件: Opengl32.lib, glut32.lib, glu32.lib放到E:\Microsoft Visual Studio\VC98\lib中 3.动态链接库: Opengl32.dll, glut32.dll, glu32.dll放到C:\Windows\system中(1. The hea
entropy_fuzzy_threshold
- 算法步骤： （1） 计算图像直方图，灰度级为Ns，图像的平均灰度值为Tc； （2） 分别计算第一个灰度级和其余灰度级的信息熵并求和，前两个灰度级和其余灰度级的信息熵并求和，以此类推计算Ns个和； （3） 找到H在Tc附近最大值的位置Tenf即为阈值； （4） 图像中大于阈值的像素置1，其余置0而实现二值分割。 算法的核心：信息熵越大越有不确定性，分割出的图片越好。(Algorithm steps: (1) the histogram of the image is calcula
LBP
- （1）计算图像中每个像素点的LBP模式(等价模式,或者旋转不变+等价模式)。 （2）然后计算每个cell的LBP特征值直方图，然后对该直方图进行归一化处理(每个cell中，对于每个bin,h[i]/=sum,sum就是一副图像中所有等价类的个数)。 （3）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量； 然后便可利用SVM或者其他机器学习算法进行分类识别了。((1) calculate the LBP pattern of each p