Like Linux

1.使用模板处理图像相关概念：           模板：矩阵方块，其数学含义是一种卷积运算。      卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相      乘，所有乘积之和作为区域中心像素的新值。      卷积核：卷积时使用到的权用一个矩阵表示，该矩阵与使用的图像区域大小相同，其行、列都是奇数，      是一

以下参数均为QTTSSessionBegin的params参数（windows平台，其他平台也可在对应参数设置的接口中予以设置），不同的类别可以组合，用半角逗号分隔，例如："vcn=xiaoyu,spd=fast,vol=x-loud,ttp=text,bgs=1"，如果对应的参数没有配置，则使用默认值；此为针对在线合成的参数设置。一、发音人选择     引擎          发

用此方法成功在UBUNTU 12.04下安装GTK 3.xxx。一、安装　　1、安装gcc/g++/gdb/make 等基本编程工具$sudo apt-get install build-essential　　2、安装 libgtk3.0-dev libglib3.0-dev 等开发相关的库文件$sudo apt-get install gnome-core-dev

pcDuino-刷机

安装如下包：sudo apt-get install build-essential make cmake libqt4-dev qt4-qtconfig cmake-qt-gui pkg-config sudo apt-get install python3.2-dev python-numpy libgtk-2-dev ffmpeg libavcodec-dev libav

一：安装所需要的各种库，如GTK3.xx安装GCC：sudo apt-get install build-essential安装CMakesudo apt-get install cmakesudo apt-get install python3.2-dev python-numpy libgtk-3-dev ffmpeg libavcodec-dev libav

在用到opencv中出现 opencv error :assertion faild (src.depth()==dst.depth()&&src.size==dst.size)找这个bug找了好久，网上有这样几种说法：1.check这两个图或者矩阵是不是初始化了2.如果初始化了，初始化的大小是不是一样，即两者有没有相同的长宽3.两者的depth深度是不是一样，即是不是一个是三通道

翠竹林opencv中Mat与IplImage,CVMat类型之间转换opencv中对图像的处理是最基本的操作，一般的图像类型为IplImage类型，但是当我们对图像进行处理的时候，多数都是对像素矩阵进行处理，所以这三个类型之间的转换会对我们的工作带来便利Mat类型较CvMat和IplImage有更强的矩阵运算能力，支持常见的矩阵运算（参照Matlab中的各种矩阵运算），所以

对于PCA，一直都是有个概念，没有实际使用过，今天终于实际使用了一把，发现PCA还是挺神奇的。在OPENCV中使用PCA非常简单，只要几条语句就可以了。1、初始化数据//每一行表示一个样本CvMat* pData = cvCreateMat( 总的样本数, 每个样本的维数, CV_32FC1 );CvMat* pMean = cvCreateMat(1, 样本的维数, CV

“人脸识别”是一个在计算机视觉和生物特征识别领域十分活跃的话题。这个主题已经被给力地研究了25年，并且最终在安全、机器人学、人机交互、数码摄像机、游戏和娱乐领域得到了广泛应用。“人脸识别”大致可分为两个阶段：1.人脸检测 搜索一幅图像，寻找一切人脸区域（此处以绿色矩形显示），然后进行图像处理，清理脸部图像以便于更好地识别。 2.人脸识别 把上一阶段检测处理得到的人脸

综述:OpenCV有针对矩阵操作的C语言函数.许多其他方法提供了更加方便的C++接口，其效率与OpenCV一样.OpenCV将向量作为1维矩阵处理.矩阵按行存储，每行有4字节的校整.分配矩阵空间:CvMat* cvCreateMat(int rows, int cols, int type);type: 矩阵元素类型. 格式为CV_(S|U|F)C. 例如: CV_8UC1

opencv从入门到小试牛刀实用资料，小白到大牛一应俱全

图像处理－线性滤波－1 基础（相关算子、卷积算子、边缘效应）这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。 1.相关算子（Correlation Operator)       定义：,  即 ，其中ｈ称为相关核(Kernel).

ffmpeg -i in_file.flv -f s16le -ar 11025 -acodec pcm_s16le out.pcmffmpeg -i in.pcm -f s16le -ac 2 -ar 11025 -acodec libvo_aacenc out.aacffplay -ar 11025 -f s16le -channels 2 out.pcmffmpe

我之前发过我的贪吃蛇的代码，我想把它变成语音控制上下左右的，于是选择科大讯飞的SDK，官方有一些文档，但有一些细节还是会让在linux下开发的孩子们产生困惑比如我，现在总结在此~        首先下载科大讯飞的SDK-linux版本，需要注册先。。。在下载下来的include文件夹下，有四个文件：msp_errors.h  msp_types.h  qisr.h  qtts.h。前两个是通用

人脸识别主要方法：  .Eigenfaces，PCA（Principal Component Analysis），Turk and Pentland，1991  .Fisherfaces，LDA（Linear Discriminant Analysis），Belhumeur, Hespanha and Kriegman，1997  .LBPH，Local Binary Patter

opencv 2.1网上查的另一种资料训练分类器成功，在此与大家分享。 参考英文资料网址： http://note.sonots.com/SciSoftware/haartraining.html#e134e74e 样本训练要求1、杯子的背景要统一吗，因为有些背景是白色，有些是淡淡的背景色，还有些深色的背景色答：背景色要统一2、整个图的大小就是最外面一个框框起来那么

设置合成参数TTS_PARAM_STALL_STYLE 等常量值有如下几种---------------------------------------------------------------------TTS_PARAM_INBUFSIZE     L/R 输入缓冲区的最大长度 TTS_PARAM_OUTBUFSIZE     L/R 输出缓冲区的最大长度 TTS_P

一、如何播放声音我已经通过下面的代码获得了音频的起始地址：audioData = QTTSAudioGet( sessionID, &audioLen, &synthStatus, &nRet );那接下来要如何播放它呢？？？求解答！！！ 答：你可以给数据加一个文件头，保存为WAV格式，然后用playsound播放。    具体实现可以参照示例：http://dev.v

opencv2.4.8 在win7下无法打开摄像头，或者摄像头灰色图像，我折腾了一晚上还没解决，其实很奇怪，这个是官方的例子，为什么会跑不出来呢？  后来看了下程序的逻辑，发现在打开摄像头的时候，程序马上会进入while循环，由于摄像头的启动要一定的时间，这时候自然没办法获取到第一帧，所以程序直接break了。我的解决方案是sleep一下。如果你的代码也是我的这个逻辑，估计都可以这样解决。代码

Inverse Distance to a Power（反距离加权 插值法）”、 “Kriging（克里金插值法）”、 “Minimum Curvature（最小曲率)”、 “Modified Shepard's Method（改进谢别德法）”、 “Natural Neighbor（自然邻点插值法）”、 “Nearest Neighbor（最近邻点插值法）”、 “Pol

高斯滤波       （平滑的滤波，各方向性质一样，不偏不倚）   （抑制正态分布的噪声是十分有效的） 高斯滤波，说白了就是一个函数来对输入的信号（其实这里的信号就是图像的像素值）进行计算然后得出结果作为该信号的值，只不过函数是高斯函数而已，就是这么简单。那么高斯函数又是何许人也？答曰：不过一个公式而已其真人如下：这个呢是一维的高斯函数这个呢是二维的高斯函数

第一章 windows位图和调色板关于图像的存储方法：Ex：有一个长宽各位200个像素，颜色数为16色的彩色图，每一个像素都用RGB 3个分量表示。① 最易想到，最原始的存储方法：因为每个分量有256个级别，要用8bit，即1 byte 来表示，所以每个像素需要用 3 byte。So，整个图像要用 200 * 200 * 3，约 120k byte。② 调色板 palette

OpenCV之cvSmooth函数平滑滤波1、cvSmooth函数用法 定义原型   void cvSmooth( const CvArr* src, CvArr* dst,int smoothtype=CV_GAUSSIAN,               int param1, int param2, double param3, double param4 );src:输入

一 、背景知识：（自己看这块的一些笔记）    （1）数字电视的色彩空间和计算机不同，不是RGB空间，而是采用一个亮度信号(Y)和两个色差信号(R-Y、B-Y)的YUV空间或者叫YCbCr空间。数字电视采用YUV(YCbCr)色彩空间的原因主要就是为了减少数据储存空间和数据传输带宽，同时又能非常方便的兼容黑白电视(R-Y和B-Y信号为零)    （2）来源上的差异yuv色彩模型来源

高斯滤波：高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。3*3模板 5*5模板 

opencv中常见的与图像操作有关的数据容器有Mat，cvMat和IplImage，这三种类型都可以代表和显示图像，但是，Mat类型侧重于计算，数学性较高，openCV对Mat类型的计算也进行了优化。而CvMat和IplImage类型更侧重于“图像”，opencv对其中的图像操作（缩放、单通道提取、图像阈值操作等）进行了优化。在opencv2.0之前，opencv是完全用C实现的，但是，IplIm

几何变换几何变换可以看成图像中物体（或像素）空间位置改变，或者说是像素的移动。几何运算需要空间变换和灰度级差值两个步骤的算法，像素通过变换映射到新的坐标位置，新的位置可能是在几个像素之间，即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值，就是令输出像素的灰度值等于映射最近的位置像素，该方法可能会产生锯齿。这种方法也叫零阶插值，相应比

邻域滤波（卷积）邻域算子值利用给定像素周围像素的值决定此像素的最终输出。如图左边图像与中间图像卷积禅城右边图像。目标图像中绿色的像素由原图像中蓝色标记的像素计算得到。通用线性邻域滤波是一种常用的邻域算子，输入像素加权得到输出像素：其中权重核   为“滤波系数”。上面的式子可以简记为：【方框滤波】最简单的线性滤波是移动平均或方框滤波，用

代码来源于我感觉下面的程序——对人眼定位，人脸矫正，人脸尺寸化，对于初学人脸识别，做人脸的预处理非常有帮助~程序的思路是：首先通过人脸检测级联器检测到人脸区域，对于人脸区域我们采用经验理论（即不同的人眼检测器在不同的人脸搜索区域具有最优性），也即人眼在人脸区域中的位置，得到人眼的大体位置，采用opencv的人眼级联检测器检测人眼，获取每一个人眼的中心位置，两个人眼的连线与水平位置的夹角来确

1.图像卷积（模板）(1).使用模板处理图像相关概念：          模板：矩阵方块，其数学含义是一种卷积运算。           卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相 乘，所有乘积之和作为区域中心像素的新值。     卷积核：卷积时使用到的权用一个矩阵表示，该矩阵是一个权矩阵。     卷积示例

重映射在图像处理中主要的功能为：将一个图像中一个位置的像素放置到另一个图像指定位置的过程，可以根据自己设定的函数将图像进行变换，较常见的功能有关于x轴翻转，关于y轴翻转，关于x、y轴翻转；仿射变换在图像处理中的主要功能为：对图像进行缩放、旋转、平移、扭曲等。1、原理从下面三个链接可以详细的了解到重映射和仿射变换的原理重映射：http://www.opencv.org.cn/opencv

本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html)，小弟我尝试翻译一些重要内容。这部分内容是Philipp Wagner写的，他的github：https://github.com/bytefish，他

先安装sudo apt-get install   ffmpeg  格式转换 (将file.avi 转换成output.flv)     ffmpeg -i  file.avi  output.flv       -i 表示输入文件  :现在有个视频video.avi，有个音频 audio.mp3，将其合并成output.avi两个命令      

1. K-Nearest NeighborK-NN可以说是一种最直接的用来分类未知数据的方法。基本通过下面这张图跟文字说明就可以明白K-NN是干什么的 简单来说，K-NN可以看成：有那么一堆你已经知道分类的数据，然后当一个新数据进入的时候，就开始跟训练数据里的每个点求距离，然后挑离这个训练数据最近的K个点看看这几个点属于什么类型，然后用少数服从多数的原则，给新数据归类。一个比较好的