wolfseek的专栏

一． 条码图像处理过程        图像的大致处理流程如下：         1.将彩色图转变成灰度图         2.对灰度图均衡化         3.将灰度图转换成二值图         4.对二值图进行腐蚀         5.识别边界检测轮廓         6.对每一个轮廓包围的区域进行特征识别，判断是否是条码区域。    

离散余弦变换的函数如下：void DCT(double *data,int len,double * dct,int dctnum){    //double temp[100];    //memset(temp,0,100*sizeof(double));    //memcpy(temp,data,len*sizeof(double));    d

什么是mel滤波器呢？mel滤波器是在mel频率上均匀分布的三角滤波器        mel频率与时域频率之间的关系是：        me滤波器在mell频率上均匀分布，那么他的带宽是：        知道了中心平率，可以换算成时域频率：          mel滤波器的传递函数如下：    实现代码如下：#ifndef MEL

在研究MFCC算法时，从网上下了一份代码，经过小改编译通过了，可程序一跑就蹦，费了好几天的功夫也没找到问题的原因。化了一个月的时间边看资料，边整理代码，参照原有代码自己实现了一份。目前代码调通了，还没有能力验证结果的正确性。     这里使用的FFT算法是从网上下载的。稍后也将其附上。欢迎有MFCC经验的朋友帮忙指正其中存在的问题。      #ifndef MFCC_

这个算法来源于网上，但忘记了出处，对其使使用了isSame封装，然后用在了自己的网页数据抓取代码中。//求解两个字符串的相似度int calculateStringDistance(const string &strA, const string &strB){ int lenA = (int)strA.length()+1; int lenB = (

halcon二维测量的基本步骤1.图片预处理，这里指的是图片的滤波等手段，使要测量的特征凸显化，有效去除噪点干扰等。2.阈值化，通过阈值化抽取出图像的特征，通常使用灰度阈值化，但halcon中没有特意的将图片转换成灰度图，而是直接调用阈值化处理函数。同时灰度直方图能帮助开发人员快速找到阈值范围。3.阈值化之后是求解图片的联通区域，一般阈值化之后存在很多连通区域，还要使用select_s

决定光学测量系统的精度，有哪些要素呢？首先我们看相机，相机的像素，诸如3876x2584这样的数据，更有直观放入表述叫100，500,800万像素。另一个是视场，视场诸如100cm X 80cm等，是拍摄对象真实的尺寸，这个视场的大小与镜头的放大、缩小倍数有关（更直接的说与焦距有关）。接下来我们看视觉分辨率，若100cm的距离成像到3876个像素上，那么在这个方向的分辨率就是100/3876

halcon的一维测量核心步骤如下：1.通过一个矩形ROI创建测量对象，他的ROI是一个Rect2矩形，将在这个矩形phi方向上测量。2.调用单个尺寸测量或多个尺寸测量。3.关闭测量对象。代码如下：void TestProc1D(QWidget *w){                 QSize size = w ->size();