网上找到的一个yuv图片查看工具，还不错，分享给大家。使用的时候文件类型，宽度和高度一定要设置正确，不然会打开失败。

图1分辨率320*240 图2分辨率1920*1080 https://blog.csdn.net/mike8825/article/details/105631968

S模式ADS-B报文解码器 开发环境 JDK: SE1.8 界面制作工具: SWT 源文件结构 src--| |--ui--| | |--UI.java | |--util--| | |--DegreeDigital.java | |--HexBinOct.java | |--decodeBus--| | |--FileDecodeRunnable.java | |--NetDecodeRunnable.java | |--PreprocessFrame.java | |--ProcessFrame.java | |--

xgboost代码回归matlab 神经解码： 包含许多用于解码神经活动的方法的python软件包 该软件包包含经典解码方法（维纳滤波器，维纳级联，卡尔曼滤波器，支持向量回归）和现代机器学习方法（XGBoost，密集神经网络，递归神经网络，GRU，LSTM）的混合。 当前设计解码器来预测连续值的输出。 将来，我们将修改功能以允许分类。 该程序包随附一个，用于比较这些方法在多个数据集上的性能。 如果您在研究中使用我们的代码，请引用该手稿，我们将不胜感激。 依存关系 为了运行所有基于神经网络的解码器，您需要安装为了运行XGBoost解码器，您需要安装为了运行维纳滤波器，维纳级联或支持向量回归，您将需要。 入门 我们提供了jupyter笔记本，其中提供了有关如何使用解码器的详细示例。 文件“ Examples_kf_decoder”用于卡尔曼滤波器解码器，文件“ Examples_all_decoders”用于所有其他解码器。 在这里，我们提供一个使用LSTM解码器的基本示例。 对于此示例，我们假设我们已经加载了矩阵： “ neural_data”：大小为“时间段总数” x“神经元数量”的矩

foobar2000 dsf/DSD解码器 打开Foobar2000，点击媒体库->配置，打开组件框，把foo_out_asio.fb2k-component插件拖入组件框

完整的硕士论文，涉及到算法，软件仿真，硬件实现，很好的资料

实现了BCH(21,31)对数据的编码解码和纠错

X509数字证书编解码

Visual+C++音视频编解码技术及实践

GM7150是CVBS转BT656 ,AVin，视频解码IC 该芯片已经在MTK,MSTAR,联咏，全志，RK,杰理，凌通平台上已经调试通过 也是工程师的最爱，比较技术支持很好