原创 Word中的Visio圖直接轉換爲圖片

ctrl+A (全選) ctrl+shift+f9 (轉換)

原创 極限學習機(ELM)算法的matlab與C++實現

極限學習機(ELM)算法的matlab與C++實現 極限學習機的原理  極限學習機(Extreme learning machine,ELM)是單隱層神經網絡的算法,其最大特點就是能在保證學習精度的前提下比傳統的學習算法快。其結構

原创 解密SVM系列(五):matlab下libsvm的簡單使用:分類與迴歸

本節簡單介紹一下libsvm的使用方法。關於libsvm似乎曾經使用過,那個時候主要用libsvm進行簡單的人臉識別實驗。當時還翻譯過關於libsvm裏面的matlab英文文檔 介紹與分類實驗 那麼現在最新版本的libsvm爲3

原创 VS2012編譯opencv3.2.0

Opencv3.2.0版本解壓縮文件中,僅包括了x64,VC14(VS2015)的庫文件,因此使用更低版本的VS平臺(如VS2013,VS2012等)需要使用Opencv3.2.0庫文件時,需要重新對opencv源文件進行編譯,生成對應版

原创 Matlab讀寫.txt文件內容

工作和學習中,經常需要我們讀取大量的txt等文本文件,這裏面可能有數據和字符[1],本文通過一個代碼示例(測試用.txt文件和matlab代碼文件下載網站:http://download.csdn.net/download/zhouxia

原创 批量提取一個文件夾中的文件名

批量提取一個文件夾中的文件名(批量獲取一個文件夾內所有文件的文件名),可以按下面的步驟進行: 1、新建一個txt格式的記事本文件 ; 2、在記事本文件中輸入:DIR*.*  /B >LIST.TXT ; 3、將此記事本文件後輟名,由.tx

原创 matlab實現圖像中插入字符

有時候爲了更方便直觀顯示圖像處理結果和部分提示信息,需要將字符信息顯示或保存到圖像中,這裏通過matlab的系統函數 vision.TextInserter實現這個功能,在lena.jpg圖像中顯示藍色字符“ceshi”,並保存結果。如下

原创 SketchUp Pro(草圖大師)一款簡易學的三維模型繪圖軟件(破解軟件、安裝教程和部分入門資料可下載)

SketchUp Pro(草圖大師)是一款繪圖軟件,可以快速和方便地創建、觀察和修改對三維創意。是一款表面上極爲簡單,實際上卻令人驚訝地蘊含着強大功能的構思與表達的工具[1]。 下面簡單介紹Sketchup軟件發展歷史[2]: Sketc

原创 VS2012 格式化(自動對齊)快捷鍵

VS2012 格式化(自動對齊)快捷鍵 以下的1.2.3.均爲步驟1、步驟2、步驟3。 部分對齊(對齊光標所在行或對齊選中代碼行):(按兩次組合鍵) 1. Ctrl+K 2.Ctrl+F 全部代碼對齊:法一:Ctrl+K+D(

原创 圖像處理基礎教程和工具軟件簡介

本文主要介紹了機器視覺圖像處理的基礎教程和機器視覺開發軟件以及圖像處理方法工具包,適合於圖像處理初學者參考,以儘快利用如下資源入門,並進行簡單的圖像處理算法的應用和開發,本文介紹的教程、軟件安裝包和相關資料均可下載(http://pan.

原创 最大流最小割算法入門理解

最近在看maxflow相關的資料,本文主要介紹下自己對最大流和最小割的理解。最大流本來是網絡流方面的算法,後來在計算機視覺中也得到廣泛的應用,如圖割。我覺得要理解一個算法首先要從起源開始,然後再去泛化問題、建立模型,最後纔是解決

原创 圖像分割之(一)概述

圖像分割之(一)概述 [email protected] http://blog.csdn.net/zouxy09          所謂圖像分割指的是根據灰度、顏色、紋理和形狀等特徵把圖像劃分成若干互不交迭的區域,並使這些特徵在同一

原创 批量提取文件夾中文件名(C++代碼實現)

批量獲取某一個文件中的文件名稱,C++代碼測試可用,實現了當前文件夾中所有文件的文件名讀取,包括“文件路徑+文件名+文件擴展名”,不包括子文件夾名,讀取文件名在cmd終端顯示,並保存在一個fileName.txt文件中。 C++代碼如下:

原创 圖像分割—基於圖的圖像分割(Graph-Based Image Segmentation)

 圖像分割—基於圖的圖像分割(Graph-Based Image Segmentation) Reference: Efficient Graph-Based Image Segmentation,IJCV 2004,M

原创 圖像分割—基於圖的圖像分割(Graph-BasedImageSegmentation)

 圖像分割—基於圖的圖像分割(Graph-Based Image Segmentation) Reference: Efficient Graph-Based Image Segmentation,IJCV 2004,M