引出SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似地，对于SURF特征，常见的是64维的描述子，它也将占用256bytes的空间。如果一幅图像中有1000个特征点（不要惊讶，这是很正常的事），那么SIFT或SURF特征描述子将占用大量的内存空间，对于那些资源紧张的应用，尤其是嵌入式的应用，这样的特征描述子显然是不可行的。而且，越占有越大的

文件准备1.opencv-3.3.1.zip2. opencv_contrib-3.3.1.zip准备先安装以下依赖包sudo apt-get install build-essentialsudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev ...

最近入坑机器视觉，需要opencv和boost库，今晚找教程很快配置成功，这里记录下配置过程。配置boost1.下载解压地址：boost_1_65_1.zip，然后解压到自己的目录，我的目录是D:\boost_1_65_1。2.编译找到VS2015自带的x64本机工具命令提示符，进入解压目录并执行该目录下的bootstrap.bat，执行后该目录下会生成b2.exe和bjam.exe。执行.

Ubuntu下安装最新版Docker的deb安装包地址：https://download.docker.com/linux/ubuntu/dists/xenial/pool/test/amd64。

本教程在CentOS 7主机下成功部署FTP服务器并和局域网内的主机成功通信。花了一上午时间，终于在自己的CentOS 7主机下搭建好了FTP服务器，并且成功让局域网内的其他主机访问到。记录一下这里的坑：1.关闭CentOS自带防火墙：教程见本人另一篇博客：CentOS 7.X 关闭默认防火墙 2.安装vsftpd并设置开机自启：yum -y install vsftpd

#include <opencv2/opencv.hpp>#include <vector>using namespace std;using namespace cv;//包含cv命名空间void createAlpha(Mat&);int main(){Mat mat(480,360,CV_8UC4);//创建带Alpha通道的MatcreateAlpha(ma

#include <opencv2/opencv.hpp>using namespace std;using namespace cv;//包含cv命名空间int main(){Mat src_img = imread("D:\\1.png");//imread()函数载入图像//从文件中读入图像，注意图像路径最好不要用相对路径，因为CLion生成的exe不在当前目录下。

#include <iostream>#include <cstdlib>#include <regex>#include <glob.h>bool rmConfigFile(const std::string &pattern, std::string &files_path){std::string files_pattern =

SPICE（Simple Protocol for Independent Computing Environments）是目前最有潜力的开源虚拟桌面协议，最初是由Qumranet开发，后来被RedHat收购并开源，经过几年的社区开发，spice协议已经能在实际应用当中一展拳脚，和商业协议ICA PCoIP等相抗衡。一.spice优势：相比于其他诸如RDP等虚拟桌面协议，spice有如下优势

Python解析一段json字符串，直接调用json.loads报错：NameError: name 'false' is not defined解决方案：用Python的r 原始字符串(raw strings)，即在json字符串之前加入r'''，之后加入'''。例如：>>> import json>>> json_string = r'''{"created