OpenCvSharp 是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发，使用习惯比EmguCV更接近原始的OpenCV，有详细的使用样例供参考。该库采用LGPL发行，对商业应用友好。使用OpenCvSharp，可用C#，VB.NET等语言实现多种流行的图像处理(image processing)与计算机视觉(computer vision)算法

要介绍了FIR数字滤波器的结构特点和基本原理，提出基于FPGA和DSP Builder的FIR数字滤波器的基本设计流程和实现方案。在Mat lab／Simulink环境下，采用DSP Builder模块搭建FIR模型，根据FDATool工具对FIR滤波器进行了设计，然后进行系统级仿真和ModelSim功能仿真，其仿真结果表明其数字滤波器的滤波效果良好。通过SignalCompiler把模型...

当无限脉冲响应(IIR)系统输入和输出信号被α稳定噪声干扰时,传统的最小平均 P-范数(LMP) 算法的解会出现较大偏差,而整体最小平均 P-范数(TLMP)算法存在收敛速度慢的问题 。为此提出一种适用于自适应 IIR滤波的递归整体最小 P-范数(IIR RTLP)算法,首先整体考虑输入和输出信号受α稳定噪声干扰的影响,使得基于 P-范数的误差期望值达到最小;然后采用矩阵求逆引理和幂迭代法递归更新自适应滤波器的系数,使其可跟踪时变系统,并提高算法收敛速度 。仿真结果表明,IIR RTLP算法比 TLMP算

通过卡尔曼滤波进行有效GP回归 基于两篇论文的存储库，其中包含相对于同类项目的简单实现代码： [1] A.Carron，M.Todescato，R.Carli，L.Schenato，G.Pillonetto，机器学习遇到了Kalman Filtering ，《 2016年第55届决策与控制会议论文集》，第4594-4599页。 [2] M.Todescato，A.Carron，R.Carli，G.Pillonetto，L.Schenato，通过卡尔曼滤波的有效时空高斯回归，ArXiv：1705.01485，已提交JMLR。 PS。 该代码尽管基于上述论文中使用的代码，但与之稍有不同。 它是它的后来的改进和简化版本。 而且，此处仍未提供[2]中介绍的用于实现自适应方法的代码。 文件内容是很容易解释的（有关每个文件的简要介绍，请参考相应的帮助）： main.m：包含主程序 plotResul

不同的3种掩模采用邻域平均法对被椒盐噪声和高斯噪声分别污染（噪声强度均设定为0.05）的图像进行滤波； 采用超限邻域平均法（阈值法）对被高斯噪声污染的图像（噪声强度均设定为0.05）进行滤波，可使用高斯掩模进行邻域平均； 采用中值滤波法对下图所示的图像分别进行滤波处理， 中值滤波模板不限，可自行选用，以效果最佳为宜。

自调整平滑区间粒子滤波平滑算法

微带线计算工具 滤波器两边的引出线是特性阻抗为50欧姆的微带线，它的宽度W可由微带线计算工具得到，具体方法是点击菜单栏Tools -> LineCalc -> Start Linecalc，出现一个新的窗口(如下页图)。 在窗口的Substrate Parameters栏中填入与MSUB中相同的微带线参数。 在Cpmpnet Parameters填入中心频率(本例中为3.05GHz)。 Physical栏中的W和L分别表示微带线的宽和长。 Electrical栏中的Z0和E_Eff分别表示微带线的特性阻抗和相位延迟。 点击Synthesize和Analyze栏中的 箭头，可以进行W、L与Z0、E_Eff间的相互换算。 填入50 Ohm和90 deg可以算出微带线的线宽1.52 mm和长度13.63 mm(四分之一波长)。

Gabor 的这种实现的特点： - 有参数来控制过滤器的大小、方向、位置和频率- 具有补偿直流分量的能力- 内核包含提取幅度、相位、实部和图像部分的函数- 可以显示滤波器组和响应- 卷积（和特征提取）可以通过只调用一个函数来完成 警告： 需要 Matlab >=7.6（OOP 语法）

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。

0102基于MATLAB的_切比雪夫I型_IIR低通滤波器的设计