以opencv驱动摄像头, 并处理图像, 将结果传递给C#, 不涉及图像数据Mat的传递. 工程主体为C#, 封装opencv为dll, 进行调用. 开发环境用VS2019。详情见博客：https://blog.csdn.net/Augurlee/article/details/103189745

MATLAB用拟合出的代码绘图mvmdist Matlab软件包，用于使用冯·米塞斯分布的混合对圆形数据进行概率建模。 该软件包提供了一个基于类的接口，类似于MATLAB的内置函数。 有关循环概率分布（尤其是冯·米塞斯混合模型）的更多信息，这些论文对一般概念进行了全面概述： 安装 克隆或下载此存储库，然后将其添加到您的MATLAB搜索路径中。 通过浏览到MATLAB中的该目录并mex sampleVonMisesMex.c运行mex sampleVonMisesMex.c ，来编译位于@VonMisesMixture/private的* .mex文件。 例子 建立冯·米塞斯混合模型 以下代码创建具有两个混合成分的von Mises混合模型。 p = [ 0.5 ; 0.5 ]; % Mixture weights. mu = [- pi / 2 ; pi / 2 ]; % Component means. kappa = [ 5 ; 10 ]; % Concentration parameters of components. vmm = VonMisesMixture(p, mu,

该文件包含使用Simscape，Simscape Electric和Simscape Driveline构建的混合动力电动汽车模型，可以对其进行配置以进行系统级测试或电能质量分析。 可以使用变体子系统选择电气，电池和车辆动力学系统的模型变体。 用Simscape语言创建的电池模型已合并到该模型中。 监督逻辑是通过Stateflow实现的。 可以配置此模型以进行硬件在环测试。 请阅读README.md文件以开始使用。 使用上方的“从GitHub下载”按钮访问与当前版本的MATLAB兼容的文件。 使用下面的链接访问与早期版本的MATLAB兼容的文件。 对于R2020b： https : //github.com/mathworks/Simscape-HEV-Series-Parallel/archive/20.2.4.2.zip 对于R2020a： https : //github.co

glsl-blend 与glslify一起使用的Photoshop混合模式。 混合模式包括“屏幕”，“乘法”，“柔光”，“鲜艳光”，“叠加”等。实现方式来源于本文有关。 演示版 安装 npm install glsl-blend 标准用法 可以使用标准glslify预处理程序语法分别导入混合模式。 #pragma glslify : blendAdd = require(glsl - blend / add) #pragma glslify : blendAverage = require(glsl - blend / average) #pragma glslify : blendColorBurn = require(glsl - blend / color - burn) #pragma glslify : blendColorDodge = require(glsl - ble

目前基于相似度的聚类方法对风电出力场景进行聚类划分, 而相似度又大多采用欧式距离长短作为衡量依据, 其结果反映时间序列曲线的幅度大小差异, 未能反映出曲线的形态特征及变化趋势的不同. 本文提出一种基于高斯混合聚类的风电出力场景划分的方法, 即通过属于某一类的概率大小来判断最终的归属类别. 首先根据BIC准则, 肘部法则和轮廓系数分别确定GMM聚类和K-means聚类的最佳数量, 然后以某地区实际风电为研究对象, 提取该地区3年春季风电出力典型场景, 并对这两种聚类结果进行对比分析, 验证本文方法的有效性. 最后通过GMM聚类模型提取该地区各个季节风电出力典型场景.

MATLAB C-MEX 混合编程，利用matlab 调用C编写的程序

streetmix, 设计混合和分享你的邻居街道 设计。混合和分享你的邻居街道。在 streetmix.net 社区进行更改。

图处理应用 这是一个Java程序，用于处理PGM和PPM格式的彩色和灰度图像，您可以旋转，转换为CMYK，提取RGB通道，混合RGB通道，二值化，负值，缩小，高光，有力变换，放大，保存直方图，均衡直方图，使用中位数和拉普拉斯进行过滤。 使用的技术 Java 针对数字图像处理学科开发的应用程序。

矿物识别步骤 MNF变换 PPI计算 提取纯净像元 选取端元波谱 识别端元波谱 矿物分析 查看结果

演示了基于DDCT和PCA的图像融合算法。 参考文献：VPS Naidu，“Hybrid DDCT-PCA base multi sensor image fusion”，Journal of Optics，Vol.43，No.1，pp.48-61，2014年3月。