1、影象配準
影象會來自不同的採集裝置，取自不同的時間，不同的拍攝視角等等，有時也需要用到針對不同物件的影象配準問題。具體地說，對於一**像資料集中的兩幅影象，通過尋找一種空間變換把一幅影象對映到另一幅影象，使得兩圖中對應於空間同一位置的點一一對應起來，從而達到資訊融合的目的。
2、orb演算法分為兩個部分：fast特徵點檢測、brief特徵描述。
3、帶結構體的排序
struct point2
;bool greatersort (point2 a,point2 b)
vector aaa;sort(aaa.begin(),aaa.end(),greatersort);//降序排列
4、原來scalar是將影象設定成單一灰度和顏色，怪不得叫scalar。明白了
//各引數依次是：**/新增的文字/左上角座標/字型/字型大小/顏色/字型粗細 scalar(255, 255, 255)是白色字型 scalar(0,0, 0)是黑色字型 順序b g r cv.color是 r g b順序
puttext(imagesource, meanvaluestring, point(20, 50), cv_font_hershey_complex, 0.8, scalar(255, 255, 25), 2);
cvscalar color = cv_rgb(255,0,0);是什麼意思，其中color是自己定義的嗎?
是自己定義的，你可以隨便寫，但是一般都用color，為了便於認知。
在opencv中，cvscalar是cv_rgb的巨集，cvscalar的儲存順序是b-g-r，而cv_rgb的儲存順序是r-g-b，兩者正好相反，所以你的cvscalar(255,0,0)，實際意思是b=255，當然是藍色的
5、如果想求兩個矩形的交集，並集，可以用如下格式
rect rect = rect1 & rect2;
rect rect = rect1 | rect2;
如果想讓矩形平移操作，縮放操作，甚至可以這樣寫
rect rectshift = rect + point;
rect rectscale = rect + size;
6、ppi(pixels per inch)：影象的取樣率（在影象中，每英吋所包含的畫素數目）
dpi(dots per inch)：列印解析度（每英吋所能列印的點數，即列印精度）
影象的橫向（豎向）畫素數=列印橫向（豎向）解析度×列印的橫向（豎向）尺寸
7、隨著疊加的遞增，所有正弦波中上公升的部分逐漸讓原本緩慢增加的曲線不斷變陡，而所有正弦波中下降的部分又抵消了上公升到最高處時繼續上公升的部分使其變為水平線。乙個矩形就這麼疊加而成了。但是要多少個正弦波疊加起來才能形成乙個標準 90 度角的矩形波呢？不幸的告訴大家，答案是無窮多個。
8、想象一下，世界上每乙個看似混亂的表象，實際都是一條時間軸上不規則的曲線，但實際這些曲線都是由這些無窮無盡的正弦波組成。我們看似不規律的事情反而是規律的正弦波在時域上的投影，而正弦波又是乙個旋轉的圓在直線上的投影。
9、時域：我把sin（3x）+sin（5x）的曲線給你，但是前提是你不知道這個曲線的方程式，現在需要你把sin（5x）給我從圖里拿出去，看看剩下的是什麼。這基本是不可能做到的。
但是在頻域呢？則簡單的很，無非就是幾條豎線而已。（濾波）
10、傅利葉變換則可以讓微分和積分在頻域中變為乘法和除法，大學數學瞬間變小學算術有沒有。（求解微分方程）
11、頻譜並沒有包含時域中全部的資訊。因為頻譜只代表每乙個對應的正弦波的振幅是多少，而沒有提到相位。基礎的正弦波a.sin(wt+θ)中，振幅，頻率，相位缺一不可，不同相位決定了波的位置，所以對於頻域分析，僅僅有頻譜（振幅譜）是不夠的，我們還需要乙個相位譜。
時間差除週期再乘2pi，就得到了相位差。
12、頻譜是從側面看，相位譜是從下面看。
13、往昔是乙個連續的非週期訊號，而回憶是乙個週期離散訊號。
是否有一種數學工具將連續非週期訊號變換為週期離散訊號呢？抱歉，真沒有。
14、傅利葉變換，則是將乙個時域非週期的連續訊號，轉換為乙個在頻域非週期的連續訊號。
15、乘-1其實就是乘了兩次 i使線段旋轉了180度，那麼乘一次 i 呢——答案很簡單——旋轉了90度。（i是-1的平方根）
16、尤拉公式所描繪的，是乙個隨著時間變化，在復平面上做圓周運動的點，隨著時間的改變，在時間軸上就成了一條螺旋線。
17、caffe確實是乙個執行速度快，並且輕量的框架。可是，caffe並不是乙個高度支援自己定製的框架
請讀者朋友們考慮下面這幾個問題
（1）如果使用者需要在網路訓練過程中，乙個相同的網路結構需要搭配多套引數，在caffe下面應該怎麼實現？
（2）在反傳的過程中，需要對某些變數的梯度按照某些需求做出改變，在caffe下面應該怎麼實現？
（3）需要自己實現乙個簡單的啟用函式，在caffe下面應該怎麼實現？
18、就像在物理科學中常見的那樣，研究這些系統的極限通常可以解釋這些難題。對於神經網路來說，其中乙個極限就是它的「無限寬度」(infinite width)，指的是完全連線層中的隱藏單元數量，或卷積層中的通道數量。
19、奇異值分解(singular value decomposition，以下簡稱svd)是在機器學習領域廣泛應用的演算法，它不光可以用於降維演算法中的特徵分解，還可以用於推薦系統，以及自然語言處理等領域。是很多機器學習演算法的基石。本文就對svd的原理做乙個總結，並討論在在pca降維演算法中是如何運用運用svd的。
20、
每月筆記之2023年4月
1 tar czf jpg.tar.gz jpg 將目錄裡所有jpg檔案打包成jpg.tar後，並且將其用gzip壓縮，生成乙個gzip壓縮過的包，命名為jpg.tar.gz 2 tar xzvf file.tar.gz 解壓tar.gz 3 ubuntu下檔案拷貝命令cp命令 語法 cp 選項 原...
每月自評之十 2023年2月
一 我讀 1 竊明 非常精彩有韻味的歷史穿越 不同於一般意義上的 穿越類 在 寫法上，這本書我覺得有它獨特創新的地方。它還原了明末比較真實的歷史現狀，雖是穿越，但並不胡來，算是尊重歷史，主角的發展都是符合現實的，並沒有像一般 穿越類 引入超自然的力量。主角與歷史人物鬥智鬥勇，不唐突，不誇張。而且，最...
每月自評之十二 2023年6月
一 我讀 1 任天堂快樂創意方程式 2 自控力 二 我看 1 權力的遊戲 第五季 game of thrones season 5 推薦理由 權利的遊戲 是我看美劇跟的最辛苦的乙個系列，也是讓我印象最深的乙個系列。當然，首先得感謝喬治大叔的書籍，寫得非常精彩。塑造了乙個巨集大 波瀾壯闊的世界觀。書籍...