guduruyu的专栏

 许多用户在使用Visual Studio的过程中，常会遇到“智能提示（IntelliSense）”功能异常的情况，这里提供几种用于解决这一问题的方法，希望对各位有用。原文地址：How To Resolve IntelliSense Issue In Visual Studio方法 1 前往Tools->Options->Text Editor-> All Lan...

cv::divide()是一个简单的除法函数，有以下两种用法：用法1：void cv::divide( cv::InputArray src1, // 输入数组1 (分子) cv::InputArray src2, // 输入数组1 (分母) cv::OutputArray dst, // 输出数组 (scale*src1/src2) double scale = 1.0, //...

cv::convertScaleAbs()用于实现对整个图像数组中的每一个元素，进行如下操作： 该操作可实现图像增强等相关操作的快速运算，具体用法如下：void cv::convertScaleAbs( cv::InputArray src, // 输入数组 cv::OutputArray dst, // 输出数组 double alpha = 1.0, // 乘数因子 do...

cv::compare()主要用于两个图像之间进行逐像素的比较，并输出比较的结果。具体用法如下：cv::compare() bool cv::compare( cv::InputArray src1, // 输入数组1 cv::InputArray src2, // 输入数组2 cv::OutputArray dst, // 输出数组 int cmpop // 比较操作子,见下表 ...

制作VOC2007数据集用于Faster-RCNN训练：VOC2007格式是faster-RCNN中官方给出的用于训练的数据集，把它下载下来用frcnn/tool里的训练程序跑一跑就可以得到自己的训练网络了，首先说明一下我们需要准备的文件：1. 训练所需的图片；2. 图片上ROI标注信息的XML文件；3. 将数据集分割为三部分分别用于frcnn进行训练，验证，测试等。第一步：图片的...

OpenCV3中提供了一个用于图像拼接的模块——Stitcher，可以将连续拍摄的图像序列，拼接成一幅全景画面。如下所示是56幅连续拍摄的图像：0.png1.png2.png3.png4.png处理代码如下：#include < stdio.h > #include < opencv2\opencv.hpp > #include < opencv2\stitc...

透明度通道，又叫alpha通道，做用于记录图像的透明度信息。具体参照【百度百科】“alpha通道”中的介绍。透明度确切的说应该叫不透明度（Opacity），取最小值0时，表示完全透明；取最大值255时，表示完全不透明；取值越大表示越不透明。通常遇到的图像如bmp图像、jpg图像都是单通道（灰度图）、RGB三通道(彩色)图像，而没有透明度通道，那么如何使用opencv给没有透明度通道的图像添加透明度...

此前在《【OpenCV3】图像轮廓查找与绘制——cv::findContours()与cv::drawContours()详解》一文中，详细介绍了图像轮廓的检测与绘制，但是在实际的应用中，往往需要检测目标的最大轮廓，但是OpenCV本身并没有封装这样一个函数，下面就贴上封装好的接口，供参考使用。说明：对于最大轮廓的定义，有些以轮廓的点数最多为标准，有的以所包围的面积最大为标准，这里将两种都实现一下...

一直使用的是OpenCV C++的接口，但是有些只能用纯c的环境下，就不得不用c接口了，IplImage是c接口图像数据最基本的数据结构，获取其ROI区域的过程如下，首先通过cvSetImageROI（IplImage* src, CvRect rect）设定ROI区域，然后将给部分图像数据拷贝出来，最后通过cvResetImageROI（IplImage* src）重置ROI区域即可。这里为了使...

回归学习（Regression Learning），又称为回归分析（Regression Analysis），是一种近似方法，从未知概率分布的随机样本中获得目标函数。变量之间的相互关系可以分为确定性和非确定性两大类，前者存在明显的函数关系，如线性函数。后者的变量之间存在关系但不完全确定，在某种随机干扰下产生统计关系们无法获得精确的数学函数关系。对于存在统计关系的变量，通过大量试验获取相关统计数据，并构造目标函数并逼近该关系，即回归学习。

KNN学习（K-Nearest Neighbor algorithm，K最邻近方法）是一种统计分类器，属于惰性学习，对包容型数据的特征变量筛选尤其有效。KNN的基本思想是：输入没有标签即未经分类的新数据，首先提取新数据的特征并与测试集中的每一个数据特征进行比较；然后从样本中提取k个最邻近（最相似）数据特征的分类标签，统计这K个最邻近数据中出现次数最多的分类，将其作为新数据的类别。

在上一篇（【Machine Learning】K-means算法及优化）中，我们介绍了K-means算法的基本原理及其优化的方向。opencv中也提供了K-means算法的接口，这里主要介绍一下如何在python+opencv的环境下，使用k-means接口。

聚类算法是一种无监督的分类方法，即样本预先不知所属类别或标签，需要根据样本之间的距离或相似程度自动进行分类。聚类算法可以分为基于划分的方法、基于连通性的方法、基于密度的方法、基于概率分布模型的方法等，K-means(K均值)属于基于划分的聚类方法。

Hi3520D音频（AUDIO）模块包括音频输入、音频输出、音频编码、音频编码和音频解码模块。音频输入和输出模块通过对Hi3520D芯片SIO设备的控制实现相应的音频输入输出功能；编码和解码模块则提供对ADPCM、G726、G711、PCM格式的音频编解码功能。读取本地音频进行输出播放，主要原理如下：芯片利用DMA将内存中的数据传输到AO设备。AO设备通过I2S时序或PCM时序向AudioCodec发送数据。AudioCodec完成数字信号到模拟信号的转换过程，并输出模拟信号。

卷积算法在图像处理中有着广泛的应用，通常使用的去噪算法、边缘增强算法等的实现都使用到了2D卷积算法。这里介绍一下2D卷积算法和快速卷积算法的C语言实现。

极坐标图在数据统计和分析中也经常会用到，这里就介绍一下如何使用python来绘制极坐标图，主要介绍极坐标散点图和极坐标饼状图。

3D图形在数据分析、数据建模、图形和图像处理等领域中都有着广泛的应用，下面将给大家介绍一下如何使用python进行3D图形的绘制，包括3D散点、3D表面、3D轮廓、3D直线（曲线）以及3D文字等的绘制。