前言 总结一下最近看的关于opencv图像几何变换的一些笔记. 这是原图: 1.平移 import cv2 import numpy as np img = cv2.imread(image0.jpg, 1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] mode = imgInfo[2] dst = np.zeros(imgInfo, np.uint8) for i in range( height ): for j in range( width - 100 ): dst[i, j + 10

这种类型的压缩取决于两级 DWT，然后在每个 8x8 块上应用 2D walsh 变换。 通过算术编码编码的最终变换图像。

基于MATLAB的hough变换，有相关MATLAB程序代码，供大家参考

matlabFFT小波变换-基于Mallat算法和快速傅里叶变换的电能质量分析方法.pdf MATLAB 在小波变换，FFT方面的应用，希望对大家有用

MATLAB希尔伯特Hilbert变换求包络谱 源程序代码

本文设计了一款基于UC3846的推挽正激DC—DC变换器，分析了变换器的电路控制原理。样机的实验波形及数据表明该变换器克服了传统推挽电路的不足，具有变换效率高，功率开关管电压尖峰小、动态响应快等优点。

matlab实现傅里叶变换代码Verilog中的Hilbert变换 Verilog中离散Hilbert变换（在信号处理中经常使用）的顺序实现。 包括了整个Xilinx项目，其中一些支持MATLAB代码，以进行十进制到二进制和二进制到十进制的转换，以及绘制输出的图形。 它以32点作为输入（每个输入为32位线），并给出32点（在进行hilbert变换之后）。 这是我花了7天的时间编写的，在此期间，我第一次学习了verilog，快速傅立叶变换算法和其他一些东西。 结果，这种实现方式肯定不是很优雅。 然而，该代码确实在2014年Techkriti年度FPGA设计挑战赛中获得了二等奖，该挑战是IIT-Kanpur年度技术节。

在振动目标的激光微多普勒信号分析中，基于联合时频谱的分析方法为目标的检测、分类和识别提供有用信息，得到广泛运用。对于一般非线性和非平稳信号，传统的时频分析方法能有效地提取信号特征，但在强背景噪声和弱调制信道条件下，具有很大局限性。引入希尔伯特-黄变换(HHT)作为一种新的微多普勒信号分析方法，分析在强背景噪声和弱调制等信道下，HHT在微多普勒信号中的特征提取。通过Matlab软件仿真，与平滑伪Wigner-Ville分布(SPWVD)比较，证明了HHT在微多普勒信号分析和特征提取中的有效性。

基于Hough变换的人眼虹膜定位方法.zip，详细内容可以参考文章：https://blog.csdn.net/didi_ya/article/details/130184013

对图像“wheel”作霍夫圆检测检测车轮（可按照霍夫圆的快速检测算法），要求输出canny边缘检测的二值化图、霍夫圆快速检测得到的参数空间图（类似黑白亮度表示投票数量的图），最后输出车轮的检测图（原图上画有车轮的圆，比如用红色），共3张图。