现在把卷积核换成高斯核（简单来说，方框不变，将原来每个方框的值是相等的，现在里面的值是符合高斯分布的，方框中心的值最大，其余方框根据距离中心元素的距离递减，构成一个高斯小山包。这种高斯滤波器只考虑像素之间的空间关系，而不会考虑像素值之间的关系（像素的相似度）。空间高斯函数确保只有邻近区域的像素对中心点有影响，灰度值相似性高斯函数确保只有与中心像素灰度值相近的才会被用来做模糊运算。前面的滤波器都是用

所 以 对 于 一 维 直 方 图， 我 们 最 好 使 用 这 个函 >数。使 用 np.bincount 时 别 忘 了 设 置 minlength=256。#别忘了中括号 [img],[0],None,[256],[0,256]，只有 mask 没有中括号。Numpy 还 有 一 个 函 数 np.bincount()， 它 的 运 行 速 度 是。hist 是一个 256x1 的数组，每一

### build websocket$tar xvf libwebsockets.tar.gz$cd libwebsockets$mkdir build$cd build$CC=arm-anykav200-linux-uclibcgnueabi-gcc cmake \-DCMAKE_INSTALL_PREFIX:PATH=$(pwd)/output \-DLWS_WITH_LW...

现在我们知道怎样将一幅图像从 BGR 转换到 HSV 了，我们可以利用这一点来提取带有某个特定颜色的物体。在 HSV 颜色空间中要比在 BGR 空间中更容易表示一个特定颜色。在我们的程序中，我们要提取的是一个蓝色的物体。• 获取蓝色物体，当然我们还可以做其他任何我们想做的事，比如：在蓝色。• 设置 HSV 阈值到蓝色范围。• 将图像转换到 HSV 空间。• 从视频中获取每一帧图像。

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测。查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体。你应该记住，要找的物体

微分先行PID控制算法微分先行PID控制算法:注：本文内容摘自《先进PID控制MATLAB仿真（第4版）》刘金琨 编著，研读此书受益匪浅，感谢作者！微分先行PID控制算法:微分先行PID控制结构，其特点是只对输出量y(k)y(k)y(k)进行微分，而对给定值yd(kk)y_d(kk)yd​(kk)不做微分。这样，在改变给定值时，输出不会改变，而被控制量的变化通常是比较缓和的。这种输出量先行微分控制

在前面的部分，我们在图片中搜素梅西的脸，而且梅西只在图片中出现了一次。假如你的目标对象只在图像中出现了很多次怎么办呢？函数cv.minMaxLoc() 只会给出最大值和最小值。此时，我们就要使用阈值了。在下面的例子中我们要经典游戏 Mario 的一张截屏图片中找到其中的硬币。实测验证 cv2.TM_CCORR 的效果不是太好。注意：阀值设定要合适，threshold = 0.8。threshold

不完全微分PID控制算法注：本文内容摘自《先进PID控制MATLAB仿真（第4版）》刘金琨 编著，研读此书受益匪浅，感谢作者！在PID控制中，微分信号的引入可改善系统的动态特性，但也容易引起高频干扰，在误差扰动突变时尤其显出微分项的不足。若在控制算法中加入低通滤波器，则可以使系统性能得到改善。克服上述缺点的方法之一是在PID算法中加入一个一阶惯性环节（低通滤波器）Gf(s)=11+TfSG_f(s

带死区的PID控制算法带死区的PID控制算法:注：本文内容摘自《先进PID控制MATLAB仿真（第4版）》刘金琨 编著，研读此书受益匪浅，感谢作者！带死区的PID控制算法:在计算机控制系统中，某些系统为了避免控制作用过于频繁，消除由于频繁动作所引起的震荡，可采用带死区的PID控制算法，控制算式为：e(k)={0∣e(k)∣≤∣e0∣e(k)∣e(k)∣>∣e0∣e(k)=\begin{cas

C# ZXing 二维码，条形码生成与识别