Opencv各种特征点提取和婚配classKeyPoint{Point2fpt;//坐标floatsize;//特征点邻域直径floatangle;//特征点的方向，值为[零,三百六十)，负值表示不使用floatresponse;intoctave;//特征点所在的图像金字塔的组intclass_id;//用于聚类的id

这里是最短路径规划的代码，主要应用了自适应，汉明距离，交叉变异和邻域搜索。
其中，汉明距离，交叉变异，邻域搜索的代码都以.m类的方式单独提取，方便大家的引用。
最后，代码完整可以运行。

基于邻域嵌入的超分辩率matlab代码，训练图为2张图片

模糊c均值（FCM）聚类算法已广泛应用于许多医学图像分割中。
但是，由于不考虑空间信息，因而常规的标准FCM算法对噪声敏感。
为了克服上述问题，提出了一种新颖的改进的FCM算法（以后称为FCM-AWA）用于图像分割。
该算法是通过修改常规FCM算法中的目标函数，即通过将空间邻域信息合并到标准FCM算法中来实现的。
给出了自适应加权平均（AWA）滤波器以指示相邻像素对中心像素的空间影响。
在实施加权平均图像时，通过预定义的非线性函数自动确定控制模板（邻居寡妇）的参数（加权系数）。
该算法既适用于人工合成图像，又适用于真实图像。
此外，使用基于算法的分割方法对牙菌斑进行了定量分析。
实验结果表明，与标准FCM算法和另一种FCM算法（由Ahmed提出）相比，该算法对噪声的鲁棒性更高。
此外，使用所提出的方法对牙菌斑进行定量的结果表明，FCM-AWA提供了一种定量，客观和有效的牙菌斑分析方法，具有广阔的前景。

关于代码的引见可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10+Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。
用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。

ArcGIS实验指导书（完整版下载）实验一、使用ARCMAP浏览地理数据1一、实验目的1二、实验预备1三、实验步骤及方法3第1步启动ArcMap3第2步检查要素图层5第3步显示其它图层6第4步查询地理要素7第5步检查其它属性信息9第6步设置并显示地图提示信息11第7步根据要素属性设置图层渲染样式14第8步根据属性选择要素18第9步使用空间关系选择地理要素20第10步退出ArcMap22四、实验报告要求23实验二、空间数据库管理及属性编辑24一、实验目的24二、实验预备24三、实验内容及步骤25第1步启动ArcCatalog打开一个地理数据库25第2步预览地理数据库中的要素类26第3步创建缩图，并查看元数据28第4步创建个人地理数据库(PersonalGeodatabase-PGD)29第5步拖放数据到ArcMap中37第6步编辑属性数据及进行1：M的空间查询38第7步导入GPS数据，生成图层40四、实验报告要求44实验三、影像配准及矢量化46一、实验目的46二、实验预备46三、实验内容及步骤46第1步地形图的配准－加载数据和影像配准工具46第2步输入控制点47第3步设定数据框的属性49第4步矫正并重采样栅格生成新的栅格文件52第5步分层矢量化－在ArcCatalog中创建一个线要素图层53第6步从已配准的地图上提取等高线并保存到上面创建的要素类中58第7步根据GPS观测点数据配准影像并矢量化的步骤59四、实验报告及要求65实验四、空间数据处理66一、实验目的66二、实验预备66三、实验内容及步骤68空间数据处理68第1步裁剪要素68第3步要素融合71第4步图层合并72第5步图层相交74定义地图投影75第6步定义投影75第7步投影变换――地理坐标系－＞北京1954坐标系转换－＞西安80坐标系76四、实验报告要求77实验五、空间分析基本操作79一、实验目的79二、实验预备79三、实验内容及步骤80空间分析模块801.了解栅格数据812.用任意多边形剪切栅格数据(矢量数据转换为栅格数据)833.栅格重分类(RasterReclassify)864.栅格计算－查询符合条件的栅格(RasterCalculator)875.面积制表（TabulateArea）886.分区统计(ZonalStatistic)907.缓冲区分析(Buffer)928.空间关系查询959.采样数据的空间内插(Interpolate)9610.栅格单元统计（CellStatistic）10011.邻域统计（Neighborhood）102四、实验报告要求104实验六、缓冲区分析应用(综合实验)105一、实验目的105二、实验预备105三、实验内容及步骤1051.距离制图－创建缓冲区1051.1点要素图层的缓冲区分析1051.2线要素图层的缓冲区分析1071.3多边形图层的缓冲区分析1092．综合应用实验1102.1水源污染防治1102.2受污染地区的分等定级1122.3城市化的影响范围115四、实验报告要求118实验七、地形分析-----TIN及DEM的生成及应用(综合实验)119一、实验目的119二、实验预备119三、实验内容及步骤1191.TIN及DEM生成1191.1由高程点、等高线矢量数据生成TIN转为DEM1191.2TIN的显示及应用1222.DEM的应用1332.1坡度：Slope1332.2坡向：Aspect1362.3提取等高线1382.4计算地形表面的阴影图1392.5可视性分析1422.6地形剖面144四、实验报告要求145实验八、MODELBUILDER土壤侵蚀危险性建模分析(综合实验)146一、实验目的146二、实验预备146三、实验内容及步骤1461.认识ModelBuilder操作界面1462.确定目标，加载数据1473.创建模型1474.编辑模型1505.执行模型，查看结果164四、实验报告要求165实验九、水文分析-DEM应用169一、实验目的169二、实验预备169三、实验内容及步骤1721.数据基础：无洼地的DEM1722.关键步骤：流向分

基于神经网络的逼近特性，针对一类包含未知函数的串级连续搅拌釜式反应系统，提出了一种自适应控制算法。
由于所考虑的反应系统具有非线性特性以及未知函数存在于各子系统的方程中，因而，该系统是复杂和难于控制的。
为了克服困难，神经网络逼近系统中的未知函数，新奇的递归设计方法用于消除系统中的互联项，同时，需要定义特殊的被逼近非线性函数。
利用李雅普诺夫稳定性分析方法，提出的控制算法保证了闭环系统的所有信号是有界的和系统的输出收敛到零的邻域内。
仿真例子表明提出的控制算法是有效的。
关键词：神经网络；
过程控制；
化学反应器；
非线性系统

基本思路：微分方程求解，**用邻近的像素替换那些坏标记，使其看起来像是邻居**。
假设图像里的一个区域要修复。
算法从这个区域的边界开始，逐步地进入区域，把边界内的所有东西填充上。
它取要修复的部分周围的一个像素周围的一小片邻居。
这个像素被周围已知的像素的标准加权和替换掉。
选择权重是很重要的。
要修复的点周围像素的权重较高。
和正常边界近的，还有在边界轮廓上的像素的权重较高。
当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。
$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。
$OpenCV$提供了两种算法。
两者都可以通过相同的函数访问，$cv2.inpaint（）$。
第一种算法基于$AlexandruTelea$于2004年发表的“基于快速行进方法的图像修复技术”。
它基于快速行进方法。
考虑图像中要修复的区域。
算法从该区域的边界开始，然后进入区域内，逐步填充边界中的所有内容。
它需要在邻近的像素周围的一个小邻域进行修复。
该像素由邻居中所有已知像素的归一化加权和代替。
选择权重是一个重要的问题。
对于靠近该点的那些像素，靠近边界的法线和位

用MATLAB计较图像对比度的程序。
包括4邻域和8邻域两种方法。
还有计较对比度的算法文档。

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。