图像的点运算、几何运算、数学形状学图像处理方法、频率变换、图像平滑与去噪、边缘检测、图像分割、图像压缩编码和彩色图像处理

人工势场法路径规划是由Khatib提出的一种虚拟力法(OussamaKhatib，Real-TimeobstacleAvoidanceforManipulatorsandMobileRobots.ProcofThe1994IEEE.)。
它的基本思想是将机器人在周围环境中的运动，设计成一种笼统的人造引力场中的运动，目标点对移动机器人产生"引力"，障碍物对移动机器人产生"斥力"，最后通过求合力来控制移动机器人的运动。
应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题

人工势场法路径规划是由Khatib提出的一种虚拟力法(OussamaKhatib，Real-TimeobstacleAvoidanceforManipulatorsandMobileRobots.ProcofThe1994IEEE.)。
它的基本思想是将机器人在周围环境中的运动，设计成一种笼统的人造引力场中的运动，目标点对移动机器人产生"引力"，障碍物对移动机器人产生"斥力"，最后通过求合力来控制移动机器人的运动。
应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题

内含5个matlab文件，都是自己编写，注释很清楚，适合小白学习理解。
内含capon_MVM算法，ESPRIT算法，MUSIC，MUSIC平滑，以及功能比较

内含5个matlab文件，都是自己编写，注释很清楚，适合小白学习理解。
内含capon_MVM算法，ESPRIT算法，MUSIC，MUSIC平滑，以及功能比较

基于图像处理的matlab用户界面gui计划，包括锐化、平滑等效果

基于图像处理的matlab用户界面gui计划，包括锐化、平滑等效果

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

N=512;A=zeros(N,N);B=zeros(N,N);forI=1:1:256J=1:1:256ImageNum=double(Image(I,J,1));A(I,J)=ImageNum/255;B(I,J)=0;endendfigure;imshow(A);pi=3.1415926;forI=1:1:NforJ=1:1:NR=rand(1,1);%生成一个元素在0,1之间均匀分布的随机矩阵RB(I,J)=A(I,J)*sin(R*2*pi);%平滑函数的傅里叶变换谱A(I,J)=A(I,J)*cos(R*2*pi);F(I,J)=A(I,J)+j*B(I,J);endEnd%限制振幅的动态范围,进步编码的精度F=fft2(F);%作二维快速傅里叶变换FFTMax=max(max(abs(F)));F=F/Max;A=real(F);B=imag(F);aIpha=0.5;%定义载波参数aIphaforI=1:1:NforJ=1:1:NXcos=(J-1)/127;A1(I,J)=cos(2*pi*aIpha*Xcos);B1(I,J)=sin(2*pi*aIpha*Xcos);endend%全息图数据区forI=1:1:NforJ=1:1:NHoIodata(I,J)=0.5+0.5*(A(I,J)*A1(I,J)+B(I,J)*B1(I,J));endEndM=512;N=512;%定义全息图的大小Hologram=zeros(M,M);S=M/N;%定义每个抽样单元大小forI=1:1:NforJ=1:1:NXa=(J-1)*S+1;Xb=J*S;Ya=(I-1)*S+1;Yb=I*S;forIx=Xa:1:XbforIy=Ya:1:YbHoIogram(Iy,Ix)=HoIodata(I,J);endendendendMax=max(max(HoIogram));HoIogram=HoIogram/Max;figure;imshow(HoIogram);%以下是用matlab分别计算函数各抽样点的傅里叶变换谱的幅角与模,并对各点的模归一化object=fft2(HoIogram);object=fftshift(object);%用matlab中的移谱函数fftshift()将频谱的低频成分移到中心,以避免再现时像分散在边缘object=abs(object);object=1000*object/max(max(object));figure;imshow(object);

QT作业，图片视频处理（包含滤波，二值，边缘检测，视频播放等功能）1、有菜单、工具条，支持快捷键；
2、通过文件对话框打开需要访问的图片(支持单选和多选功能)；
3、打开的图片可以在该软件中央显示；
4、含有对图像进行灰度化、二值化、3×3均值滤波、伽马变换、边缘检测等功能(其他功能可以自己设计)；
5、软件支持中文、英文两种语言，用户可自在切换，设计并美化用户界面；
6、可执行文件需要有自己定义的名称、自己设计的图标(借助美图秀秀、Photoshop等)、标题含有自己的学号和姓名；
7、需利用消息提示对话框，并含有“关于本软件对话框”，消息对话框图标要求自己定制；
8、软件可以分别在Windows、Linux或Mac系统上运行，其中Linux系统基于虚拟机即可；
9、软件现场演示\验收；
10、带有视频图像处理功能(选做题20%)：可以对每帧视频帧进行如平滑、灰度化、二值化、边缘检测、缩放、局部马赛克等操作；

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。