因为之前传的那个压缩包有问题，现在把各个章节分开再传。 本压缩包包含的内容是ImageProcessing1-Introduction.ppt，ImageProcessing2-ImageProcessingFundamentals.ppt

批量读取文件夹内特定规律名称的图片，对其进行上采样、下采样，注意路径、名称与实际对应

最低有效位隐写术 版本： 3.0.0 作者：安德鲁·奎奇（Andrew Quach）和斯坦尼斯拉夫·里亚霍夫（Stanislav Lyakhov） 介绍 Steglsb具有两个功能：速记LSB编码和解码。 编码将秘密图像嵌入到封面图像的最后有效位中。 解码使用LSB从隐写图像中提取秘密图像。 steglsb [-d / -e]的每种模式都需要一个详细说明位数的参数。 换句话说，在编码和解码中使用的每个像素的最右边的位数。 EX: If bits = 3, the LSB of 11011010 is 010. 指定的位数越多意味着隐写能力越高。 但是，这也意味着更明显的秘密。 用法 编码方式： Usage: steglsb.py -e cover_img secret_img bits outfile [mode] > Embed a secret image into a co

奥本海姆的教材，答案是英文版的，从第二章开始，还不错

全景图拼接 要求 python3（或更高版本） opencv 3（4+可能会遇到问题。参考 ） 您将需要使用pip3安装一些软件包： 麻木 matplotlib 用法 $ python main.py < input img dir > # for example $ python ./main.py ../input_image/Xue-Mountain-Enterance/ 输入格式 输入目录应具有： 一些.png或.jpg图像 image_list.txt文件应包含： 文件名 焦距 这是image_list.txt的示例： # Filename focal_length DSC_0184.jpg 830 DSC_0185.jpg 830 DSC_0186.jpg 830 DSC_0187.jpg 830 DSC_0171.jpg 830 DSC_0172.jpg 8

FBMC中的通道均衡 该存储库模拟了双选择信道上的FBMC传输，并显示了不同MMSE均衡和干扰消除方法的误码率（BER）。 R. Nissel等人的所有数据。 可以复制2017年IEEE SPAWC的 。 有关FBMC的更多信息，请参见 。 请注意，我的测量结果表明，一键式均衡器通常在移动通信中就足够了，请参阅我的（时间和频率完全同步）。 仅在极少数情况下，此处介绍的增强均衡方法才有用。 要求 我们使用Windows 7（64位）和Matlab R2013b / 2016a，但新版本（和某些旧版本）也应适用。 均衡器的基本特性 我们的n抽头MMSE均衡器还采用了相邻子载波，因此其性能优于传统方法： 一个简单的干扰消除方案对于实际相关的SNR范围显示出良好的性能： 可复制的数字 可以复制所有数据。 图号与论文中的相同。 图1 ：请在第26行取消注释后运行 。 图2 ：请运行 。

The Scientist and Engineer's Guide to Digital Signal Processing第二版高清文字版，值得拥有

Digital Signal Processing-A Practical Guide for Engineers and Scientists(2003).pdf

geodesic_matlab：Danil Kirsanov实现的三角形网格的精确测地线

Natural Language Processing in Action is your guide to creating machines that understand human language using the power of Python with its ecosystem of packages dedicated to NLP and AI. About the Technology Recent advances in deep learning empower applications to understand text and speech with extreme accuracy. The result? Chatbots that can imitate real people, meaningful resume-to-job matches, superb predictive search, and automatically generated document summaries—all at a low cost. New techniques, along with accessible tools like Keras and TensorFlow, make professional-quality NLP easier than ever before.