代码中车牌识别包含以下两部分内容： 一、车牌定位： 1. 高斯滤波； 2.sobel边缘提取； 3.二值化图像； 4.闭运算； 5.去除小区域； 6.提取轮廓； 7.仿射变换。 二、字符识别 1.提取字符轮廓； 2.识别字符；

0-1背包问题和背包问题的多种算法求解，包含用动态规划法、回溯法、分支限界法求解0-1背包问题，用贪心算法求解背包问题，及相关算法的比较（求解思路和代码实现）

关于md5的原理可以参照这边文章 https://blog.csdn.net/mijichui2153/article/details/81051356?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%2281051356%22%2C%22source%22%3A%22mijichui2153%22%7D。本资源提供了两个计算MD5加密程序的C++代码实现以及可执行文件。两个程序分别是text_md5.cpp和file_md5.cpp。前者编译后得到的可执行文件可以对输入的字符o文本计算其MD5值并输出；后者的编译后的可执行文件对输入的文件(输入当前路径下文件路径即可)计算md5值并输出。相信有了这个实例后你会对md5加密算法有更直观的理解。当然如果使用过程中有问题也可以私信博主，我看到后会第一时间回复。

基于SLIC图像分割算法实现一个比PS魔棒工具还方便的抠图工具 参考项目:

SIFT特征提取，源码实现具体细节，需要配置OpenCV,亲测有效

双精度浮点运算广泛应用于数值计算和信号处理中，在 IEEE754 标准中实现两个双精度浮 点乘法需要一个 53 bit × 53 bit 的尾数乘法器，这样的一个乘法器若采用 FPGA 实现需要大量的硬件资源。将 Karatsuba 算法应用于浮点运算器中，采用 FPGA 实现了一个浮点乘法器，与传统方法相比该乘法器占用硬件资源较少。

通过ItemKNN算法实现基于协同过滤的商品推荐.zip

bentley_ottmann 在下面的内容中， python是python3.5或pypy3.5或任何更高版本（ python3.6 ， pypy3.6等等）的别名。 安装 安装最新的pip和setuptools软件包版本 python -m pip install --upgrade pip setuptools 用户 从PyPI存储库下载并安装最新的稳定版本： python -m pip install --upgrade bentley_ottmann 开发者 从GitHub存储库下载最新版本 git clone https://github.com/lycantropos/bentley_ottmann.git cd bentley_ottmann 安装依赖项 python -m pip install --force-reinstall -r requirements.t

9.3 软元件内存的读出、写入 以下说明在读出、写入软元件内存时的控制方法。 9.3.1 命令与软元件范围 (1) 读出、写入软元件内存所使用的命令 项 目 命令 / 响应种类 处理内容 1 次通信中 可执行的处理点数 成批读出 位单位 00H 以 1 点为单位读出位软元件 (X、Y、M、S、T、C)。 256 点 字单位 01H 以 16 点为单位读出位软元件 (X、Y、M、S、T、C)。 32 个字 (512 点 ) 以 1 点为单位读出字软元件 (D、R、T、C)。 64 点 成批写入 位单位 02H 以 1 点为单位写入位软元件 (X、Y、M、S、T、C)。 160 点 字单位 03H 以 16 点为单位写入位软元件 (X、Y、M、S、T、C)。 10 个字 (160 点 ) 以 1 点为单位写入字软元件 (D、R、T、C)。 64 点 测试 ( 随机写入 ) 位单位 04H 以 1 点为单位随机指定软元件·软元件号，将位软元件 (X、Y、M、S、T、C) 置位 / 复位。 80 点 字单位 05H 以 16 点为单位随机指定软元件·软元件号，将位软元件 (X、Y、M、S、T、C) 置位 / 复位。 10 个字 (160 点 ) 以 1 点为单位随机指定软元件·软元件号，写入字软元件 (D、R、T、C)。 C200 ～ C255 的 32 位软元件不能适用。 10 点9 - 16 9 - 16

计算机图形学：计算机图形学算法实现