我不是程序员的博客

原创 【无标题】

包裹相位的加速计算问题 atanhttps://mazzo.li/posts/vectorized-atan2.html

原创 单目结构光三维重建最终公式推导

参考：https://blog.csdn.net/u010430651/article/details/104868734?详细推导（建议自己推导一遍）

原创 《PCL从零开始》-2.读取pcd文件并对原始点云点云调平

【代码】《PCL从零开始》-2.读取pcd文件并对原始点云点云调平。

原创 Matlab标定工具箱 源码位置

D:\Matlab2021b\toolbox\vision\vision+vision+internal+calibration

原创 armadilo和opencv之间的Mat转换

评论区求一个更好的转换方法。

原创 Armadilo的fft2、ifft2和matlab的fft2、ifft2的比较

结果一致，证明Armadilo的fft2和matlab的fft2可以等价转换。结果看是一致的，后面需要比较一下复数的fft2的结果。项目需要fft2，在此记录比较的过程。

原创 《PCL从零开始》-1.读取pcd文件并对原始点云进行矩阵（旋转和平移）变换

首先默认你环境已经配置好了运行环境为：vs2015 + pcl1.8.1 +win10开始 实例 代码参考官方文档 + 被我忘记的博客首先加载pcl 库 我也不知道库关系 先用起来//加载头文件#include <iostream>#include <pcl/io/pcd_io.h>#include <pcl/io/ply_io.h>#include <pcl/point_cloud.h>#include <pcl/console

原创 最小二乘解包裹matlab代码

代码来源于《信息光学数字实验室matlab版》I4=imread('cell21.bmp');I4=double(I4(7:518,10:521,1)); %读取第一幅像面全息图I3=imread('cell22.bmp');I3=double(I3(7:518,10:521,1)); %读取第二幅像面全息图I2=imread('cell23.bmp');I2=double(I2(7:518,10:521,1)); %读取第三幅像面全息图I1=imread('cell24.bmp');...

原创 【已解决】VS创建QT ，创建自定义QT类，将ui上的label提升为自定义的类，运行报错

在VS中提升类的窗口，我选择了全局包含，导致出现include <mylabel.h>，改掉即可，或不选择全局包含

原创 【已解决】创建QTMainWidget，只是添加一个菜单栏，上面没有字显示

求大佬解决 我可真是写BUG的好手。。。。

原创 [已解决]使用VS创建QT项目，并用代码添加一个按钮，出现界面问题

已经解决了 自己手贱点错了 创建了QMainWdiget 其实我要创建的是QWidget。。。。。。

原创 Matlab单目标定工具箱代码实现使用过程

% Auto-generated by cameraCalibrator app on 11-Nov-2021%-------------------------------------------------------% Define images to processimageFileNames = {'C:\Users\YuanQuan\Desktop\1\IMG_0915.JPG',... 'C:\Users\YuanQuan\Desktop\1\IMG_0916.JPG',...

原创 08线性回归的简单实现-动手学深度学习

import numpy as npimport torchfrom torch.utils import datafrom d2l import torch as d2l#制作数据集def syn_data(w,b,num_examples): x = torch.normal(0,1,(num_examples,len(w))) y = torch.matmul(x,w)+b y=y +torch.normal(0,0.01,y.shape) return x

原创 08线性回归从零开始实现-动手学深度学习

%matplotlib inlineimport randomimport torchfrom d2l import torch as d2l#制作数据集def syn_data(w,b,num_examples): x = torch.normal(0,1,(num_examples,len(w))) y = torch.matmul(x,w)+b y=y +torch.normal(0,0.01,y.shape) return x,y.reshape((-1,

原创 04数据操作复盘-动手学习深度学习（pytorch）

import torchx = torch.arange(12)xtensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])x.shapetorch.Size([12])x.numel()12x=x.reshape(3,4)xtensor([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])torch.zeros((2,3,4))tensor([[[0., 0.,

原创 Visual Studio Add-in 2.2.0 for Qt5 MSVC 2015

http://mirrors.tuna.tsinghua.edu.cn/qt/archive/vsaddin/2.2.0/qt-vsaddin-msvc2015-2.2.0.vsix点击直接下载！！！

原创 Qt lnk1158 无法运行rc.exe 解决方法

https://blog.csdn.net/zong596568821xp/article/details/78820144在Qt上配置完OpenCV，在debug模式下运行程序时报错：“error lnk1158 无法运行rc.exe”系统环境：Win10 64位，Qt5.8 MSVC2015_64bit解决方法：找到rc.exe的放置路径，比如C:\Program Files (x86)\Windows Kits\10\bin\10.0.19041.0\x64然后添加到环境变量PATH中，重启

原创 chapter7 基于C++的opencv形状检测

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;/////////////// Color Detection //////////////////////void getContours(.

原创 chapter5 基于C++的opencv透射变换

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;/////////////// Warp Images //////////////////////void main() { strin.

原创 chapter6 基于C++的opencv颜色detection

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;/////////////// Color Detection //////////////////////void main() { s.

原创 chapter4 基于C++的opencv绘制图像形状（圆形 矩形 直线）和添加文字

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;////////////// Draw Shapes and Text //////////////////////void main() {

原创 chapter3 基于C++的opencv缩放和裁剪

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;/////////////// Resize and Crop //////////////////////void main() { str

原创 chapter2 基于C++的opencv基本功能（灰度化、高斯模糊 Canny检测 腐蚀 膨胀 定义卷积核）

#include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <opencv2/imgproc.hpp>#include <iostream>using namespace cv;using namespace std;/////////////// Basic Functions //////////////////////void main() { st

原创 chapter1 基于C++使用opencv调用图像、视频、网络摄像头

使用opencv调用图像#include<opencv2\opencv.hpp>#include<iostream>using namespace cv;using namespace std;int main(int argc, char**argv) { string path = "resources/test.png"; Mat src = imread(path); imshow("input", src); waitKey(0); destroyA

原创 0x0046E5FB 处(位于 基于多态职工管理系统.exe 中)引发的异常: 0xC0000005: 读取位置 0x00000024 时发生访问冲突。

看黑马程序员的职工管理系统 -文件交互-写文件这个视频出现以上的错误。修改方法：this->save();放在for里面了 直接拽出来

原创 error C2533

构造函数不能有返回类型解决办法：你自己看看定义类的时候 ； 这个符号加了吗？？！！！

原创 C++ this 指针(https://www.runoob.com/cplusplus/cpp-this-pointer.html)

在 C++ 中，每一个对象都能通过 this 指针来访问自己的地址。this 指针是所有成员函数的隐含参数。因此，在成员函数内部，它可以用来指向调用对象。友元函数没有 this 指针，因为友元不是类的成员。只有成员函数才有 this 指针。下面的实例有助于更好地理解 this 指针的概念：#include <iostream> using namespace std; class Box{ public: // 构造函数定义 Box(double l

原创 类和对象-多态-案例3-电脑组装具体实现

#include<iostream>#include<string>using namespace std;//每个零件的类class CPU{public: virtual void calculator() = 0;};class VideoCard{public: virtual void display() = 0;};class Memory{public: virtual void storage() = 0;};//////////

原创 C++通讯录管理系统

#include<iostream>using namespace std;#include<string>#include<cstdlib>#define MAX 1000//设计联系人的结构体struct Person{ string m_name;//姓名 int m_sex;//性别 1男 2女 int age; string m_phone; string m_Addr;};//设计通讯录结构体struct Addressboo

转载 吴恩达深度学习作业/02.改善深层神经网络：超参数调试、正则化以及优化/1.第一周深度学习的实用层面/编程作业/3.Gradient Checking.ipynb

Gradient CheckingWelcome to the final assignment for this week! In this assignment you will learn to implement and use gradient checking.You are part of a team working to make mobile payments available globally, and are asked to build a deep learning mod

转载 LBG矢量量化算法 （转载应注明出处：https://blog.csdn.net/zouxy09/article/details/9153255）

矢量量化（VQ，Vector Quantization）是一种极其重要的信号压缩方法。VQ在语音信号处理中占十分重要的地位。广泛应用于语音编码、语音识别和语音合成等领域。*一、概述*​ VectorQuantization (VQ)是一种基于块编码规则的有损数据压缩方法。事实上，在 JPEG 和 MPEG-4 等多媒体压缩格式里都有 VQ 这一步。它的基本思想是：将若干个标量数据组构成一个矢量，然后在矢量空间给以整体量化，从而压缩了数据而不损失多少信息。​ 在以前，VQ运用的一个难点在于它

转载 吴恩达深度学习作业/02.改善深层神经网络：超参数调试、正则化以及优化/1.第一周深度学习的实用层面/编程作业/2.Regularization.ipynb

RegularizationWelcome to the second assignment of this week. Deep Learning models have so much flexibility and capacity that overfitting can be a serious problem, if the training dataset is not big enough. Sure it does well on the training set, but the le

原创 Lesson2 Week 1 Quiz - Practical aspects of deep learning（第一周测验 - 深度学习的实践）

原创 解决jupyter notebook打开后文件太多过卡、卡顿的问题；创建jupyter工作路径/文件夹

https://blog.csdn.net/douerw/article/details/112604406解决jupyter notebook打开后文件太多过卡、卡顿的问题；创建jupyter工作路径/文件夹Jupyter notebook

转载 吴恩达深度学习作业/02.改善深层神经网络：超参数调试、正则化以及优化/1.第一周深度学习的实用层面/编程作业/1.Initialization.ipynb

Initialization​Welcome to the first assignment of “Improving Deep Neural Networks”.​Training your neural network requires specifying an initial value of the weights. A well chosen initialization method will help learning.​If you completed the previou

转载 吴恩达深度学习作业/01.机器学习和神经网络/4.第四周深层神经网络/编程作业/assignment4_2.ipynb

Deep Neural Network for Image Classification: ApplicationWhen you finish this, you will have finished the last programming assignment of Week 4, and also the last programming assignment of this course!You will use the functions you’d implemented in the

原创 吴恩达深度学习作业/01.机器学习和神经网络/4.第四周深层神经网络/编程作业/assignment4_1.ipynb

Building your Deep Neural Network: Step by StepWelcome to your week 4 assignment (part 1 of 2)! You have previously trained a 2-layer Neural Network (with a single hidden layer). This week, you will build a deep neural network, with as many layers as you

原创 Week 4 Quiz - Key concepts on Deep Neural Networks（第四周 测验 – 深层神经网络）

原创 吴恩达深度学习作业/01.机器学习和神经网络/3.第三周浅层神经网络/编程作业/Planar data classification with one hidden layer

Planar data classification with one hidden layerWelcome to your week 3 programming assignment. It’s time to build your first neural network, which will have a hidden layer. You will see a big difference between this model and the one you implemented using

原创 Week 3 Quiz - Shallow Neural Networks（第三周测验 - 浅层神经网络）

Week 3 Quiz - Shallow Neural Networks（第三周测验 - 浅层神经网络）