Deep Learning（深度学习）ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。deeplearning.net主页，里面包含的信息量非常多，有software, reading list, research lab, dataset, demo等，强烈推荐，
划痕、油污、瑕疵，常用的方法有傅里叶变换和Blob分析。1.表面划痕invert_image(Image,ImageInvert1)
mult_image(ImageInvert1, ImageInvert1, ImageResult,0.01, 0)
gen_sin_bandpass (ImageBandpass, 0.6, 'none', 'rft',&nbs
参考了HALCON例程和其他网友的思路, 简单地去除周期性噪声方法如下. 因是初学者,所以有错误的地方还请多多指正.素材图片：程序：read_image (Image1, 'C:/Users/Administrator/Desktop/a1.png')
get_image_size (Image1, Width, Height)
fft_generic (Image1, ImageFFT, &
图像噪声简介2018-11-09 13:23:32
一、什么是图像噪声？噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。二、噪声来源—两个方面（1）图像获取过程中两种常用类型的图像传感器CCD和CMOS采集图像过程中，由于受传感器材料属性、工作环境、电子元器件和电路结构等影响，会引入各种噪声，如电阻引起的热噪声、场效应管的沟道热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声。（2）图像信号传输过程中由于传输介质和记录设备等的
初学Xamarin ,各种折腾,大概这公司破电脑配置差,老是很多问题。2018.02.04备注，目前最新版问题越来越少了，报错时大家看输出最上面的报错百度就行了。GitHub 真是个好东西，可以参考别人做的，不过下载来运行不了就各种折腾了，为此我重装电脑两次了，反正win10安装就十几分钟的事。问题一：没有为此解决方案配置选中要生成的项目 这个问题的原因懒得找，可能是项目解决方案拷贝的bug解决：解决方案资源管理器 - 右键解决方案 - 属性打开 解决方案属性页 - 配置属
序 公司原因，要求用C#开发移动端app，老板觉得用现在会的C#做会比较快。。。从零开始，折腾一个多星期，重装系统三遍（强迫症），其它各种折腾，终于手机运行上了第一个APP，看看就好。。。不得不吐槽几个按钮没有任何事件安装包有40M+。 (2018.04.03补充安装包大小可以多个设置进行减小) 因为Xamarin被微软收购，所以标题关键字是"VS2017”,而不是"Xamarin 移动开发"。必须告诉大家的是：国内教程并不会太少，但
1、close_all_framegrabbers ( : : : ) 关闭所有图像采集设备。2、close_framegrabber ( : : AcqHandle : ) 关闭Handle为AcqHandle的图像采集设备。3、open_framegrabber ( : : Name, HorizontalResolution,VerticalResolution, ImageWidth, ImageHeight, StartRow, Sta
例程：detect_indent_fft.hdev说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；然后，将原图和构造的滤波器进行快速傅里叶变换；最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码
* Initializations
dev_update_off ()
dev
模板纹理识别的步骤 特征提取 图像处理（二值化选中感兴趣区域，灰度共生矩阵（原图和感兴趣区域）得到特征，sobel得到轮廓，灰度直方图得到特征） 创建分类器，添加特征，保存，识别 1.文件夹遍历 list_image_files(::ImageDirector,Options:ImageFiles) ImageDirector：文件夹路径； Options：搜索选项（‘default’默认值为’files’） ‘fi
纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理包括确定组成纹理的色调基元和确定色调基元间的相互关系。纹理是一种区域特性，因此与区域的大小和形状有关