包含了图像处理中常用的一些测试图片有灰度图像也有彩色图像大小从128*128、256*256、512*512或更大的都有图像格式为pbm、ppm、pgmMATLAB下可用。
共六个部分，全部下载完以后，任意解压一个即可。

张正友相机标定Opencv实现，附棋盘格打印pdf和10张手机相机拍摄标定图、20张摄像头拍摄标定图。
包含完整的VS2015工程代码，有详细的注释说明，一键运行。
实现了相机标定、输出相机内参、外参、旋转和平移矩阵、标定效果评价、以及使用标定结果对原始棋盘图进行矫正。
标定结果与Matlab的非常接近

本压缩包包括一个亚像素边缘检测源代码，以及一个测试图片，从亚像素的角度去解决边缘检测问题，并且与Canny算子做比较，效果显著！

本资源以matlab作为开发工具，采用形态学和matlab自带的分割函数，实现对图片中字符的分割和本地存储，同时将分割出的所有字符进行显示，实验效果特别好。
自带测试图片，方便调试学习。

文件中包含test.m文件和两个函数以及一张测试图片。
利用学习机会自己编写了均值滤波和中值滤波函数，并在test.m文件中运行，有详细代码注释，希望一起学习。

自编matlab程序实现霍夫变换直线检测，包含源程序和测试图片，效果还行

这是OpenCV算法精解教材里面的源码和代码所测试的图片，学习机器视觉的朋友可以参照代码边学习效果还是挺不错的。

东华大学核密度估计KDE代码第一部分是一个三维的彩色KDE估计图（最好用MATLAB画）；
第二部分是测试图片的运动目标二值图像检测结果（运动员用白色像素，背景用黑色）

这是opencvsvm图像分类的整个工程代码，在VS2010下打开即可。
整个工程文件以及我的所有训练的图片存放在这里，需要的可以下载，自己在找训练图片写代码花了很多时间，下载完后自行解压，训练图片和测试图片可以从这免费下载http://download.csdn.net/detail/always2015/8944959，projectdata文件夹直接放在D盘就行，里面存放训练的图片和待测试图片，以及训练过程中生成的中间文件，现在这个下载object_classfication_end则是工程文件，我用的是vs2010打开即可，下面工程里有几个要注意的地方：1、在这个模块中使用到了c++的boost库，但是在这里有一个版本的限制。
这个模块的代码只能在boost版本1.46以上使用，这个版本以下的就不能用了，直接运行就会出错，这是最需要注意的。
因为在1.46版本以上中对比CsSVM这个类一些成员函数做了一些私有化的修改，所以在使用该类初始化对象时候需要注意。
2、我的模块所使用到的函数和产生的中间结果都是在一个categorizer类中声明的，由于不同的执行阶段中间结果有很多个，例如：训练图片聚类后所得到单词表矩阵，svm分类器的训练的结果等，中间结果的产生是相当耗时的，所以在刚开始就考虑到第一次运行时候把他以文件XML的格式保存下来，下次使用到的时候在读取。
将一个矩阵存入文本的时候可以直接用输出流的方式将一个矩阵存入，但是读取时候如果用输入流直接一个矩阵变量的形式读取，那就肯定报错，因为输入流不支持直接对矩阵的操作，所以这时候只能对矩阵的元素一个一个进行读取了。
3、在测试的时候，如果输入的图片太小，或者全为黑色，当经过特征提取和单词构造完成使用svm进行分类时候会出现错误。
经过调试代码，发现上述图片在生成该图片的单词的时候所得到的单词矩阵会是一个空矩阵，即该矩阵的行列数都为0，所以在使用svm分类器时候就出错。
所以在使用每个输入图片的单词矩阵的时候先做一个判断，如果该矩阵行列数都为0，那么该图片直接跳过。

1.使用ffmpeg将多张图片生成H264文件；
2.从H264文件中获取一帧图片和一帧中的SLICE图片；
3.能够直接使用ffplay.exe播放H264文件；
4.完整工程，可直接运行（附带测试图片和实例）；
5.vs2013;

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。