基于matlab的二进小波和非线性变换的图像增强，直接运行非线性增强的程序NonlinearEnhancement即可，有很高的参考价值

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高，根据拓片文字边缘独立于尺度传播的特性，提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解，再结合小波变换模值跨尺度传递的不同特性，进行多尺度下的图像边缘提取、增强和细化。实验表明，该算法克服了传统算法的不足，弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾，从而具有更好的实用性。

人工智能-二进神经网络规则提取方法研究.pdf

==============二进制查看器================ 功能： 1、数据文件可按文本、十六进制、二进制查看 2、二进制帧长可自己定义，按‘ + ’增大帧长，‘ - ’减小帧长 3、按前后方向键改变查看的起始行 4、按SHIFT+前后方向键改变查看的起始比特 5、可选择字体和颜色 6、二进制方式时，把光标移到列的标尺上，可选择列并删除，按住SHIFT可选择多列 7、工具栏的前后方向键，可作UNDO和REDO的功能 我自己觉得这是爱因斯坦的第一个小板凳，没有界面，功能也少，但我会继续努力的， 希望您能提出宝贵意见，谢谢！！！ ah-soft@21cn.com

易语言字节集到二进制互转源码,字节集到二进制互转,字节集到二进制,二进制到字节集

描述 ASW3642 是一款 12 通道 1:2 或 2:1 双向多路复 用器/多路解复用器。ASW3642 可由 2.6V 至 4.5V 的电源供电，适用于电池供电的应用。该器 件的导通电阻（RON）较低并且 I/O 电容较小， 能够实现典型值高达 7.5GHz 的带宽。该器件可 为 HDMI 和 DisplayPort 应用提供所需的高带宽。 ASW3642 具有断电模式，该模式下所有通道均 具有高阻抗（Hi-Z）并且功耗极低。 特征 1) 开关类型：2:1 或 1:2 2) 动态特性 （D0 到 D3 通道） － 差分带宽（-3dB） － 端口 A：典型值 7.2GHz － 端口 B：典型值 7.2GHz － 串扰（1.7GHz 时）：-37dB － 隔离（1.7GHz 时）：-27dB － 插入损耗（DC） － 端口 A：-0.5dB － 端口 B：-0.5dB － 回波损耗（1.7GHz 时）：-20dB － 对内（位-位）偏移 － 端口 A：2ps － 端口 B：6ps － RON － 端口 A：6.0 Ω － 端口 B：6.0 Ω － CON（1GHz 时）：典型值 0.

基于二进小波变换的图像增强matlab源代码,通过编译

浮点型，二进制互相转换工具，可以互相转换！

二维二进小波的快速分解与重构算法matlab实现-ex7-4.rar 使用matlab来实现非正交二次样条二维二进小波的快速分解和重构 编程实现例7.4中可分离二维二进小波的快速分解与重构算法 算法实现 使用matlab来实现非正交二次样条二维二进小波的快速分解和重构，实现的函数说明如下 l function [a, d1, d2] = swt1_decomp 函数功能：      二维二进小波分解 输入参数： x – 待分解的二维数组 n – 分解的级数 h – 分解低通滤波器系数 g – 分解高通滤波器系数 输出参数： a – 逼近矩阵 d1 – 水平细节信息矩阵 d2 – 竖直细节信息矩阵 l function x = swt1_recon 函数功能：      二维二进小波重构 输入参数： a – 逼近矩阵 d1 – 水平细节信息矩阵 d2 – 竖直细节信息矩阵 n – 重构的级数 h – 重构低通滤波器系数 g – 重构高通滤波器系数 l – 重构滤波器系数 输出参数： x – 重构的二维数组 在实现以上函数时主要用到了以下wavelet toolbox中的函数: l wconv函数对二维数组和滤波器进行卷积运算 l wextend函数在卷积前对二维图像进行周期延拓 l wkeep函数对卷积结果进行截断 还用到了dyadup和dyaddown对滤波器进行上抽样和下抽样。 测试结果 以下是使用所实现的算法对二维图片的测试结果 图片大小为256*256，使用4级二进小波进行分解 matlab6.gif

为改善传统立体匹配视差图中目标边缘的毛刺现象，以及弱纹理和视差不连续区域的“阶梯效应”等，提出了一种结合局部二进制表示和超像素分割的立体匹配方法。首先融合二进制表示的窗口内像素的空间和颜色特征进行代价计算，并以此求得初始视差;然后将简单线性迭代聚类方法分割的结果作为像素的空间和颜色标记，为超像素内的目标边缘和其他像素点选择恰当的稳定点进行视差传播，以达到视差优化时边缘保持和空间平滑的目的。在Middlebury数据集上分别进行代价计算与优化方法的对比实验，结果表明，采用该算法获取的目标边缘的视差更为平滑，在左右视图中的遮挡区和不重叠区域获得的视差也比较准确，有效地降低了非遮挡区、全图、不连续区域的误匹配率。