2016年09月_lcydhr

转载高斯模糊算法的实现和优化

一、高斯模糊是什么模糊算法，不论是使用哪种算法，目的都是为了让图片看起来不如原来那么清晰。清晰的图片，像素间的过渡会较为干脆利落，简而言之，就是像素之间的差距比较大。而模糊的本质，其实就是使用某种算法把图像像素和像素之间的差距缩小，让中间点和周围点变得差不多；即，让中间点取一个范围内的平均值。模糊到了极致，比如用于计算模糊的取值区域为整张图片，就会得到一张全图所有像素颜色都

2016-09-28 09:56:36 1389

转载为什么直接杀死线程是不好的

我们知道，windows里有个API叫TerminateThread，它可以干掉任何正在欢快小跑的线程。对应的，liunx里则是pthread_cancel（不是pthread_kill，这玩意本质是向线程发信号，而不是杀死线程）加上PTHREAD_CANCEL_ASYNCHRONOUS。但是我们同时也看到，不论是哪种方法，在它们的手册里都不推荐我们使用它们。比如微软的msdn中对

2016-09-28 09:54:53 3149

转载快速高斯滤波

高斯滤波器是图像处理中经常用到的滤波器，其滤波核函数为：为简单起见，这里省略了归一化因子。由的可分离特性：得：其中为输入图像，为输出图像，为滤波模板半径。根据准则，通常使。由上式可见，我们可以将二维高斯滤波分解为两次一维高斯滤波。对于二维高斯滤波，设图像大小，高斯模

2016-09-28 09:44:45 673

转载齐次坐标的理解

一直对齐次坐标这个概念的理解不够彻底，只见大部分的书中说道“齐次坐标在仿射变换中非常的方便”，然后就没有了后文，今天在一个叫做“三百年重生”的博客上看到一篇关于透视投影变换的探讨的文章，其中有对齐次坐标有非常精辟的说明，特别是针对这样一句话进行了有力的证明：“齐次坐标表示是计算机图形学的重要手段之一，它既能够用来明确区分向量和点，同时也更易用于进行仿射（线性）几何变换。”—— F.S. Hill

2016-09-27 20:00:34 357

转载 NPOI使用手册

NPOI使用手册目录1.认识NPOI 2. 使用NPOI生成xls文件2.1 创建基本内容2.1.1创建Workbook和Sheet2.1.2创建DocumentSummaryInformation和SummaryInformation2.1.3创建单元格2.1.5创建批注2.1

2016-09-26 10:48:32 1128

转载 C++使用static的错误：无法解析的外部符号、“static”不应在文件范围内定义的成员函数上使用

/ static_test.h : 头文件 002 #pragma once 003 004 class static_test 005 { 006 public: 007 static_test();//默认构造函数 008 void set(int x, int y, int z);//成员变量初始化 009 int

2016-09-23 09:45:01 1295

转载 C++new失败的处理

我们都知道，使用 malloc/calloc 等分配内存的函数时，一定要检查其返回值是否为“空指针”（亦即检查分配内存的操作是否成功），这是良好的编程习惯，也是编写可靠程序所必需的。但是，如果你简单地把这一招应用到 new 上，那可就不一定正确了。我经常看到类似这样的代码： int* p = new int[SIZE]; if ( p == 0 ) // 检查

2016-09-21 18:08:31 302

转载 C#调用C++DLL的小总结5---和C++的DLL的联合调试

C#调用C++DLL的小总结5---和C++的DLL的联合调试前面总结了很多关于托管平台和非托管平台的经验，现在有一个问题，就是如果调用C++的DLL，复杂一些的数据传递，或者DLL将数据再传递，那么数据的正确传送与否，怎么办呢？调试下断点看内存中的数据是最好的方法，可是地球人都知道，C#是在托管平台上的，而C++DLL是在非托管平台上的。内存的格式啥的都是不一样的，那怎么办呢？微

2016-09-20 11:46:50 393

转载 C#调用C++ dll的两种方法

静态调用 [DllImport(@"xxx.dll", EntryPoint = "TestMethod")] static extern string TestMethod(string InParam); string ret = TestMethod("hello");123动态调用 [D

2016-09-20 11:44:20 391

转载 [转载]使用cmake编译开源库

原文地址：使用cmake编译开源库作者：追寻中de四叶草第一次使用cmake是在刚接触VTK的时候，需要自己从源码编译出可供调用的VTK库文件。之后使用OpenCV再次用到了cmake，不过一直都是按着网上的教程一步步操作。用了几次之后才开始对其中的步骤有所理解，明白为什么要这么做。因为很多开源的库都需要进行类似的编译过程以适应不同的开发需求和开发环境，所以在此进行简单的总结，以备将来

2016-09-18 15:58:15 2124

转载 SVD原理及其应用导论

今天，来学习一种很重要的矩阵分解，叫做奇异值分解（Sigular Value Decomposition），简称SVD。 Contents 1. 认识SVD 2. SVD与广义逆矩阵 3. SVD与最小二乘法 4. SVD与数据压缩 5. SVD与潜在语义分析 6. SVD与低阶近似

2016-09-02 14:07:00 595

转载 SVD(奇异值分解)及求解最小二乘问题

1. SVD任意矩阵A (mxn), 都能被奇异值分解为:其中, U是mxm的正交矩阵, V是nxn的正交矩阵, Σr是由r个沿对角线从大到小排列的奇异值组成的方阵. r就是矩阵A的秩.2. Moore-Pseudo逆任意矩阵A, 若存在矩阵X, 使得:则称X是A的Moore-Pseudo逆, 简称广义逆, 记为A+.矩阵A的广义逆是

2016-09-02 13:28:15 10571

转载齐次线性方程组的解、SVD、最小二乘法

转自：http://blog.csdn.net/dsbatigol/article/details/9625211 AX=0这是一个齐次线性方程组（一般的非齐次线性方程组AX=b其实也都可以化为齐次方程组的形式，所以比较普遍）先要说明在非齐次方程组中，A到底有没有解析解，可以由增广矩阵来判断：r(A)r(A)=r(A | b) =n，方程组有唯一解；r(A)

2016-09-02 11:27:34 3240

转载奇异值分解(SVD)原理详解及推导（转）

很不错的文章，适合入门。转载出处http://blog.csdn.net/zhongkejingwang/article/details/43053513 在网上看到有很多文章介绍SVD的，讲的也都不错，但是感觉还是有需要补充的，特别是关于矩阵和映射之间的对应关系。前段时间看了国外的一篇文章，叫A Singularly Valuable Decomposition The S

2016-09-02 10:22:46 3656

lcydhr的专栏