给定一个质心列表，它计算 2D/3D voronoi 图并从原始图像中提取每个 Voronoi 单元。 voronoi 图是根据 3D 空间中的欧几里得距离计算的。 质心 = [x1 y1 z1] 体素 = [x2 y2 z2] 对于每个体素欧几里得距离 = sqrt((x2-x1)^2+(y2-y1)^2+(z2-z1)^2) 结尾％ 输入： % 质心 - N x 3 矩阵% imageFilename - 图像堆栈的文件名

inPoints = polygrid(xv,yv,ppa) 使用 inpolygon 函数的帮助生成多边形内的点。 xv和yv是代表多边形顶点的列，在Matlab函数inpolygon中使用 ppa 是指您希望在多边形内每单位面积的点数。 这里的单位面积是指轴上 1.0 X 1.0 的正方形。 例子： L = linspace(0,2.*pi,6); xv = cos(L)';yv = sin(L)'; %来自 inpolygon 文档inPoints = polygrid(xv, yv, 10^5) plot(inPoints(:, 1),inPoints(:,2), '.k');

如果有一天别人给你个工程或者在一些网站下载了个工程，发现里面有些IP是以网表的信息给你的额，你怎么也不能编译成功，老是报找不到某些IP，或者谁谁谁 不在工程中再再或者找不到相应的文件夹 下面的操作也许会帮助你！！！！！！！！！！！！！！！！！如果不能帮助你，表示歉意或者直接联系我qq邮箱365654859@qq.com

这是该文件的帮助注释，将提供概述。 % SEARCHFILE 在给定文件夹下搜索文件和/或目录％ 句法% list = searchfile('dir', 'filter', 'recflag') % % 'dir'（可选）- % 要搜索的源目录。 如果没有指定， % 当前工作目录将被使用% % '过滤器'（可选）- % 文件过滤器('*.txt', 'ABC*.*' 等) % % 'recflag'（可选）- % 1 = 递归到子目录，否则只在% 指定/当前目录% % 例如：list = searchfile('C:\Temp', '*.txt', 1); % list = searchfile('*.txt', 1); % 列表 = 搜索文件（1）； % % 返回值：具有以下字段的结构% 'name' - 文件/目录的名称% 'path' - 文件/目录的路径% 'fullpath

绘制给定中心、半长和半短半径以及相对于 x 轴的倾斜（旋转）角度的椭圆的函数

THREEPOINTS2PLANEZ返回通过3D空间中三个点的平面方程的系数。 平面方程的形式为 z =斜率x * x +斜率* y + C 例子： 给定 x 和 y 中的三个随机点，定义在 x 方向具有 2.1 斜率和在 y 方向具有 -3.4 斜率的 z 平面。 验证 Threepoints2planez 返回正确的斜率和 z 截距： x = rand（3,1）; y = rand(3,1); z = 2.1*x - 3.4*y + 19； [slopex,slopey,C] = Threepoints2planez(x,y,z) 斜率= 2.1000 倾斜 = -3.4000 C = 19.0000 更新： 写完这个函数后，我找到了 Kevin Moerman 的 plane_fit 函数（ http://www.mathworks.com/matlabcentral

MOID.jl 计算两个给定的共聚焦椭圆形轨道的MOID-最小轨道相交距离。 它使用旋转子午面的想法，并通过数值计算MOID。 Julia模块是波兰科学研究院空间研究中心的原始作者Hans Rickman和TomaszWiśniowski组成的Fortran程序的包装。 他们的论文中描述了该方法： T.Wiśniowski和H.Rickman，“一种用于计算精确最小轨道相交距离（MOID）的快速几何方法”，2013年《天文学报》 本文和源代码在deps和docs子目录中提供。 安装 然后可以通过Julia的软件包管理器安装MOID.jl。 在Linux和macOS上，您需要安装Gfortran或Intel Fortran编译器才能构建二进制依赖性。 pkg > add " https://github.com/mkretlow/MOID.jl.git " 快速开始 julia

ThreadPoolWithJobAffinity 执行给定作业集的线程池。 此线程池具有Job Affinity，分配给具有相同作业ID的线程池的所有作业将由同一线程执行。

% melfilter 创建梅尔频率滤波器组% % [Filter,MelFrequencyVector] = melfilter(N,FrequencyVector,hWindow) % % 生成具有 N 个线性间隔滤波器组的滤波器组矩阵， % 在 Mel 频域中，重叠了 50%。 % % `N` 要构建的滤波器组的数量。 % % `FrequencyVector` 一个向量，指示频率% 评估滤波器组系数。 % % `hWindow` 确定形状的窗口函数的句柄滤波器组的百分比。 默认为 hWindow = @triang % % `Filter` 是大小为 [N numel(FrequencyVector)] 的稀疏矩阵。 % % `MelFrequencyVector` 是一个包含 Mel 频率值的向量% ％ 例子% N = 50; % Fs = 10000; % x = sin(2*

该算法将语音样本分成fame，然后计算每帧的mfcc并存储在矩阵中