(导学案)--29.1投影1.doc
2022-05-28 18:02:44 124KB 文档资料
c#实现透视投影 之前在研究c++ opencv,通过掉opencv接口,实现三维坐标转到二维坐标,但是一直没有时间去搞。刚好最近项目需要,用到c#来实现透视投影,然后就细致研究了下。 https://blog.csdn.net/cangqiongxiaoye/article/details/120915372
2022-05-28 10:35:28 127KB c# 透视投影
1
Screego是一个开源的用go语言写的屏幕投影软件,可以以高质量低延迟将你的屏幕演示给其他人看,screego带有身份验证,集成了TURN服务方便NAT遍历。有了它我们可以自建一个便捷的共享屏幕服务器。共享看片,指日可待。
2022-05-27 10:01:45 389KB Screego
1
投影投影法*(投影法小角度比较好-10~10度)+傅里叶变换法(这个一般般 小角度还行)计算文档旋转角度并且还原,Untitled2+Untitled3是两个主函数,另外的两个fuliye和touyingfa是定义的函数,测试集是ceshi2.jpg,这个根据你来改的。
2022-05-25 10:07:26 92KB matlab  投影法 傅里叶变换
1
超清初中数学思维导图,以大脑思维的方式进行归纳总结,事半功倍
2022-05-24 19:05:12 1.13MB 初中数学 思维导图
投影投影代码matlab LDA-人脸识别 程序 编程步骤: 图像的初始大小是一个大小为 128x128x3 的矩阵,对应于图像的 rgb 强度值。 对于所有计算,使用图像的灰度值,它将每个图像的维度减少到 128x128x1 矩阵。 由于在 128x128 矩阵上执行矩阵计算在平均配置的 PC 上很耗时,因此我调整了图像大小并为 40x40 矩阵、64x64 矩阵和 96x96 矩阵执行了计算。 然后将每个图像表示为向量形式,重塑原始图像矩阵执行此任务。 现在,每个图像都由一个 1600x1 的向量表示(对于 40x40 大小的图像)。 我们需要每个类的均值来计算类内散布矩阵。 一旦为该特定类计算了平均值,我们通过对集合中的每个 x 求和 Pr(C) (xm) (xm)' 来计算类内散布。 (x = 训练集中的每个图像,m = 图像的平均值) 为了计算类内散布的总数,我们将所有类的所有类内散布矩阵相加。 现在要计算类间散布,我们需要所有类的平均值和 300 个类的总平均值。 之间的散布矩阵由每个类别的求和 Pr(C)*(mm )*(mm )' 形成(m = 该类别的平均值,m` =
2022-05-23 13:48:13 12.07MB 系统开源
1
////////////////////////////////////////////////////////////////////// // Construction/Destruction ////////////////////////////////////////////////////////////////////// const double FN = 0.;//南半球FN = 1000000. const double k0 = 1.;//UTM投影中k0=0.9996 gs::gs() { } gs::~gs() { } //初始化坐标系统,并告诉程序您要使用的是3度带还是6度带 void gs::InitCordSys(enum gs::CordParam cord,enum gs::ProjKind projKind) { switch(cord){ case BeiJing1954: { m_a = 6378245.; m_b = 6356863.0188; } break; case XiAn1980: { m_a = 6378140.; m_b = 6356755.2882; } break; case WGS84: { m_a = 6378137.; m_b = 6356752.3142; } break; }
2022-05-22 21:26:10 25KB 正反算 源代码 C++ 高斯
1
视频讲解:http://www.bilibili996.com/Course?id=3519953000217
2022-05-22 19:08:00 306.89MB opencv 综合资源 人工智能 计算机视觉
1
人工智能-机器学习-曲面斜率角控制法的理论研究及其在省略LCoS微型投影光引擎中的实
2022-05-22 09:09:12 7.02MB 人工智能 文档资料 机器学习
一种单次相机-投影仪校准方法,用于处理校准目标的不完美平面性。 强调: 1. 提供图形用户界面,使用更方便。 2. 所提出的方法仅用单次拍摄来执行相机-投影仪对校准,使其在许多应用中非常方便。 即使是手持板,它也能提供灵活和准确的结果。 3. 开发了一种束调整 (BA) 算法来联合优化估计的相机/投影仪模型和模型空间中的特征点。 4. 与许多现有方法不同,为了校准系统,我们应用来自结构光 (SL) 图案而不是棋盘格的点。 这种策略不仅增加了特征点的数量,还增加了它们的空间分布,从而提高了校准鲁棒性。
2022-05-22 09:02:22 12.35MB matlab
1