最近写的程序需要使用很多OpenGL的API，但是我对OpenGL的认识就停留在多年前写Minecraft模组时的简单了解。因此借此机会打算系统的学习一遍OpenGL，浅窥计算机图形学一隅。由于本学习笔记只是记录个人的学习过程，因此内容会有一定偏向性，并且也难免有错漏，还请各路大神不吝赐教。同时不建议以这系列文章作为初学材料，若是初学建议看更专业、全面的书籍。另外，本文虽不要求有计算机图形学基础，但是需要有一定的数学基础（主要是线性代数），过于基础的数学不会展开描述。
之前在工作中需要用仿射变换的方式来实现，用给定的bounding box（标注框）从一张
从真实世界中获取数字图像有很多方法，比如数码相机、扫描仪、CT或者磁共振成像。无论哪种方法，我们（人类）看到的是图像，而让数字设备来“看“的时候，都是在记录图像中的每一个点的数值。
前言 之前在工作中需要用仿射变换的方式来实现，用给定的bounding box（标注框）从一张图片 中扣出特定的区域，然后做旋转和缩放等特定操作。然后在网上搜索了一下与仿射变换相关的资料， 看了仿射变换的思想和一些例子，然后结合手头上的代码，做了一些实验，最后终于搞懂了如何实现。 实验代码（提供C++、Scala和Python三种语言的实现）： 码云地址 Github地址 正文 根据给定的标注框从原图中裁剪出物体并且对裁剪出的图片做各种随机旋转和缩放变换， 如果这几个步骤
OpenGL ES _ 入门_01 OpenGL ES _ 入门_02 OpenGL ES _ 入门_03 OpenGL ES _ 入门_04 OpenGL ES _ 入门_05 OpenGL ES _ 入门练习_01 OpenGL ES _ 入门练习_02 OpenGL ES _ 入门练习_03 OpenGL ES _ 入门练习_04 OpenGL ES _ 入门练习_05 OpenGL ES _ 入门练习_06 OpenGL ES _ 着色器 _ 介绍 OpenGL ES _ 着色器 _ 程序 OpenGL ES _ 着色器 _ 语法 OpenGL ES_着色器_纹理图像 OpenGL ES_着色器_预处理 OpenGL ES_着色器_顶点着色器详解 OpenGL ES_着色器_片断着色器详解 OpenGL ES_着色器_实战01 OpenGL ES_着色器_实战02 OpenGL ES_着色器_实战03
IplImage在OpenCV发布之后就一直存在，是C语言风格的数据结构，需要开发者自己分配与管理内存，容易导致内存泄漏问题。OpenCV4.*版本已经淘汰该类型。
本文是一位朋友的投稿，他花了很大精力来实现了一个滴滴客户端的完整功能，非常具有学习的价值，推荐给大家~
Shader（着色器）是一种用于在计算机图形学中进行图形渲染的程序。它们是在图形处理单元（GPU）上执行的小型程序，用于控制图形的各个方面，如颜色、光照、纹理映射、投影等。
OpenCV 4.x中提供了强大的统一向量指令（universal intrinsics），使用这些指令可以方便地为算法提速。所有的计算密集型任务皆可使用这套指令加速，非计算机视觉算法也可。目前OpenCV的代码加速实现基本上都基于这套指令。
各位同学们大家好，又到了周末写文章的时间，之前群里有粉丝提问， 就是shader不是很理解。然后今天他就来了， 废话不多说，读完今天的这篇文章你可以学到以下几点：
OpenGL ES 3.0的顶点着色器和片段着色器第一行总是声明着色器版本。 # version 300 es 没有声明版本的表示用的 OpenGL ES着色语言的1.0版本，对应OpenGL ES 2.0。
翻译：陈之炎 校对：吴振东、林夕 本文约3600字，建议阅读10分钟本文为大家系统地介绍了OpenCV官方教程。 写在前边 让读者朋友们较为系统地了解和学习OpenCV官方教程，数据派THU翻译组联合研究部共同推出OpenCV官方教程翻译系列。由于所列章节较多，教程将被分为多篇文章持续更新发布。 原文链接：https://docs.opencv.org/4.5.2/de/d7a/tutorial_table_of_content_core.html 目标 我们可以通过多种方式从现实世界中获取数字图像，比如：
距离OpenCV 3.0发布已逾三年半了，终于在2018-11-20，OpenCV 4.0正式版强势来袭！至此开始OpenCV 4.x的王朝！
大家都知道，利用函数imwrite，可以将一个矩阵写入图像文件中。但是为了debug，更加方便的方式是看实际值，我们可以通过 Mat的运算符 << ，来实现同样的功能，但这只对二维矩阵有效。
31、chr函数，获取指定的字符 例子： #获取指定的字符for i in range(65,70): print str(chr(i)) 结果： A BCDE 32、random.shuffle 例子： ll=range(9)#返回列表print ll #shuffle函数随机打乱列表中的元素顺序print random.shuffle(ll) print ll 结果： [0, 1, 2, 3, 4, 5, 6, 7, 8] None [8, 5, 1, 4, 2,
stts box里面保存了一个压缩格式的表，用来描述音视频帧的解码时间戳。如下图19：
应用： OpenCV可实现矩阵向matlab，python，c语言格式的转换。 代码： /* * * cvout_sample just demonstrates the serial out capabilities of cv::Mat * That is, cv::Mat M(...); cout << M; Now works. * */ #include "opencv2/core.hpp" #include <iostream> using namespace std; us
tensorflow框架一般都是基于Python调用，但是有些时候跟应用场景，我们希望调用tensorflow C语言的接口，在C++的应用开发中使用它。要这么干，首先需要下载tensorflow源码，完成编译，然后调用相关的API函数实现C语言版本的调用，完成模型的加载、前向推理预测与解析。
以前都是使C语言中File* 、fopen、fread等操作文件，这几天学习了C++ IO标准库，就应用来读取bmp图像。
我们知道 OpenGL 坐标系中每个顶点的 x，y，z 坐标都应该在 -1.0 到 1.0 之间，超出这个坐标范围的顶点都将不可见。
力扣(LeetCode)定期刷题，每期10道题，业务繁重的同志可以看看我分享的思路，不是最高效解决方案，只求互相提升。
这段时间我会把蓝桥杯官网上的所有非VIP题目都发布一遍，让大家方便去搜索，所有题目都会有几种语言的写法，帮助大家提供一个思路，当然，思路只是思路，千万别只看着答案就认为会了啊，这个方法基本上很难让你成长，成长是在思考的过程中找寻到自己的那个解题思路，并且首先肯定要依靠于题海战术来让自己的解题思维进行一定量的训练，如果没有这个量变到质变的过程你会发现对于相对需要思考的题目你解决的速度就会非常慢，这个思维过程甚至没有纸笔的绘制你根本无法在大脑中勾勒出来，所以我们前期学习的时候是学习别人的思路通过自己的方式转换思维变成自己的模式，说着听绕口，但是就是靠量来堆叠思维方式，刷题方案自主定义的话肯定就是从非常简单的开始，稍微对数据结构有一定的理解，暴力、二分法等等，一步步的成长，数据结构很多，一般也就几种啊，线性表、树、图、再就是其它了。顺序表与链表也就是线性表，当然栈，队列还有串都是属于线性表的，这个我就不在这里一一细分了，相对来说都要慢慢来一个个搞定的。蓝桥杯中对于大专来说相对是比较友好的，例如三分枚举、离散化，图，复杂数据结构还有统计都是不考的，我们找简单题刷个一两百，然后再进行中等题目的训练，当我们掌握深度搜索与广度搜索后再往动态规划上靠一靠，慢慢的就会掌握各种规律，有了规律就能大胆的长一些难度比较高的题目了，再次说明，刷题一定要循序渐进，千万别想着直接就能解决难题，那只是对自己进行劝退处理。加油，平常心，一步步前进。
程序写完了，必须要验证，这是重要的方法论。因为如果不验证，则不会知道程序写的对还是不对。学过人工智能或者控制论都知道，反馈非常重要，反馈形成闭环，可以用来指导、调节你的输出。而对于编程这个活动来说，验证也一样是产出的反馈，形成闭环，过程中测出的所有BUG都会反馈过来，产生调整代码的输出。 一句话，闭环靠谱，开路不靠谱。 我们生成了生成字库的程序之后，按理也应该验证。C语言的程序，没有main函数，自然也需要另外一个C语言带main函数的调用来验证了。我们这里就把选取使用字的文本根据给出的裁剪字库打
3.着色语言 OpenGL ES 3.0新增加功能 非方矩阵，全整数支持，插值限定符号，统一变量块，局部限定符号，新的内建函数，全循环，全分支支持以及无限的着色器指令长度。
经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《从零学习OpenCV 4》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。
嵌入式已经在生活中无处不在，我们正在使用的手机，电视，机顶盒等等都是嵌入式的典型的代表，早在十年前嵌入式培训就非常流行，中兴华为等企业对于嵌入式研发工程师需求量巨大，最近十年在国内属于互联网如火如荼发展的阶段，大量的集成化高级编程语言在国内需求量剧增，像JAVA，PHP，Python此类的语言在国内得以快速发展，这是和互联网公司产品的性质决定的，互联网典型模式是拥有一个核心服务器，再开发对应的多种访问终端，有app方式的，有通过网址访问的，有通过微信或者小程序方式的。
学习OpenCV大家都会遇到一个对象叫做Mat，此对象非常神奇，支持各种操作。很多初学者因此被搞得头晕脑胀，它各种用法太多台杂，搞得初学者应接不暇，感觉有心无力、无处下手之感这里我们首先要正本清源，从Mat对象的产生原因说起，然后再把Mat各种神奇用法一一梳理总结。 Mat对象起源： 当OpenCV 1.0发布时候没有Mat对象，是个C语言风格的数据结构IPlImage来表示内存中图像对象，但是OpenCV开发者在做复杂图像处理算法分析与计算时候，创建了很多IplImage这样的数据结构，偶尔最后可能忘记释
我们来了解如何在Android上使用双目测距算法。通过本教程，你不仅掌握如何在Android中使用SBM等双目测距算法，顺便也了解到如何在Android Studio配置OpenCV，通过使用OpenCV可以在Android中实现很多图像处理的功能。
opencv中为矩阵复制提供了copyTo函数、clone函数、重载运算符和拷贝构造函数，用法非常简单：
在上一章我们介绍了《双目摄像头测量距离》，在这个基础上，我们来了解如何在Android上使用双目测距算法。通过本教程，你不仅掌握如何在Android中使用SBM等双目测距算法，顺便也了解到如何在Android Studio配置OpenCV，通过使用OpenCV可以在Android中实现很多图像处理的功能。
概述OpenGLOpenGL是渲染2D、3D矢量图形硬件的一种软件接口。本质上说，它是一个3D图形和模型库，具有高度的可移植性，并且具有非常快的渲染速度。OpenGL并不是一种语言，而是更像一个C运行时函数库。它提供了一些预包装的功能，帮助开发人员编写功能强大的三维应用程序。OpenGL可以再多种操作系统平台上运行，例如各种版本的Windows、UNIX/Linux、MacOS和OS/...
注意：提供给向量的参数只能是1个或者对应向量个数，比如vec4类型不能提供2个参数：
对于普通类型的求a^n，我们的求法是a*a*a*a....，这样乘以n次，时间复杂度为O(n)，对于普通n比较小的我们可以接受，然而当n比较大的时候，计算就慢了，所以我们就去寻找更快捷的计算方法，学过快速幂的同学应该不难想到矩阵的快速幂
输入：n = 3 输出：[[1,2,3],[8,9,4],[7,6,5]] 示例 2： 输入：n = 1 输出：[[1]]
在之前已经分享了 【Linux】vim的使用，这次来看看在云服务器上的编译器gcc。
理想的显示系统(如CRT显示器)、采像设备(工业相机)与输入的视频信号(真实的图像信息)成正比，但显示系统或采像设备存在的硬件特性指数Gamma(>1)会使其输出较原始图像产生非线性失真，失真程度由具体系统的Gamma值决定，如下图所示，水平方向为真实的图像亮度，垂直方向为显示设备的输出亮度或采像设备采集到的亮度。
Shader，是运行在GPU上的程序，中文称为着色器。它的主要用途是对三维物体进行着色处理，对光与影进行计算，以及控制纹理颜色的呈现等，最终，将游戏引擎中的几何数据转化为屏幕上的模型、场景以及特效。
在《Simple Dynamic Strings(SDS)源码解析和使用说明一》文中，我们分析了SDS库中数据的基本结构和创建、释放等方法。本文将介绍其一些其他方法及实现。（转载请指明出于breaksoftware的csdn博客）
俗话说:不基于需求的敲代码都是耍流氓 ---- 一、人脸检测: 1.准备材料 首先需要准备人脸的训练数据,这个在官方的Github可以下载到,这里用:lbpcascade_frontalface.x
30万像素UVC相机拍摄图片，与海康600万像素相机无法相比，但这个更贴近入门。想起我们一个大三学弟带大一的：有些小同志没电脑但是有手机，然后给他们手机上整了一个软件，在手机上编C语言程序。属实震惊了我，只要思想不滑坡，办法总比困难多。
本文介绍了KNN算法在图像分类和手写数字识别中的应用，并通过具体代码示例讲解了如何实现。
上一篇文章说到我从客户端转前端的历程，短短一年的时间就打开了前端世界的大门，简直就是有无穷多的东西可玩，以前酷爱Java的我终于见识到什么都可以写的JavaScript的厉害了，不仅仅可以写Web，客户端，后端，系统应用，还可以在神经网络、物联网，甚至嵌入式都可以，简直就是一个万能的语言，可以说能编程的地方理论上都可以用JS来写！
均值滤波使用像素点周围一定区域的像素的均值替换当前像素点的值。均值滤波可以平滑图像，但是对噪声几乎没有效果，最多只能让噪点变得更模糊。
在软件开发中遇到问题的时候，我倾向于在不需要阅读源码的情况下解决问题，我会优先去查官方文档、FAQ、google或stackoverflow等网站，去看下有没有前人已经遇到过同类问题。阅读源码来解决问题，算是杀手锏。当然，还有另一种需求，就是希望通过阅读源码了解软件的设计细节，来达到学习的目的，例如，通过阅读Dubbo的源码，我可以了解一个RPC框架的设计细节。
在软件开发中遇到问题的时候，我倾向于在不需要阅读源码的情况下解决问题，我会优先去查官方文档、FAQ、google或stackoverflow等网站，去看下有没有前人已经遇到过同类问题。阅读源码来解决问题，算是终极大招。当然，还有另一种需求，就是希望通过阅读源码了解软件的设计细节，来达到学习的目的，例如，通过阅读Dubbo的源码，我可以了解一个RPC框架的设计细节。
使用OpenCV进行人脸检测我写过两篇文章《C++ OpenCV之级联分类器--人脸检测》和《Android NDK OpenCV级联方式实时进行人脸检测》，不过这两篇里面用到的检测方式都是HAAR级联检测器，现在OpenCV4里面官方支持的人脸检测方法也已经是基于深度学习的方法进行检测了，所以我们这篇主要就是看OpenCV下用DNN进行人脸检测。
但是先别着急，假设我们的python应用需要做一些科学计算，并且将数据以图形的方式展示出来，这时候就需要matplotlib和pandas这两个库的帮助了，先用ubuntu来安装这俩个库，编写Dockerfile.ubuntu
在OpenCV中IplImage是表示一个图像的结构体，也是从OpenCV1.0到目前最为重要的一个结构；在之前的图像表示用IplImage，而且之前的OpenCV是用C语言编写的，提供的接口也是C语言接口。
中值滤波使用当前像素点和它周围的8个像素点的中值来代替当前点额像素点，这个办法对去除椒盐噪声非常有效。
机器之心报道 编辑：杜伟、陈萍 这项工作又让我们回到那个老生常谈的问题：Transformer 真的是万能的吗？ 多智能体强化学习 (MARL) 是一个具有挑战性的问题，它不仅需要识别每个智能体的策略改进方向，而且还需要将单个智能体的策略更新联合起来，以提高整体性能。最近，这一问题得到初步解决，有研究人员引入了集中训练分散执行 (CTDE) 的方法，使智能体在训练阶段可以访问全局信息。然而，这些方法无法涵盖多智能体交互的全部复杂性。 事实上，其中一些方法还被证明是失败的。为了解决这个问题，有人提出多智能体优
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
