Welcome 微信登录
编程资源 图片资源库 蚂蚁家优选 PDF转换器

首页 / 操作系统 / Linux

C语言嵌入Python

C语言嵌入Python

1.为什么要嵌入python?这个问题问的好,一般静态语言与脚本语言(不仅仅是python),相互搭配,有两种方式,一种是用c语言写好模块,然后用python去整合,也被称之为扩展python,这样的好处是即有python的灵活性,又有c语言的效率,还有一种就是c语言嵌入python,这样我们就有了一个python解释器了,在游戏编程中常用这种方法,如果你是用静态语言编程,那么修改一些属性,就意为着重新编译,如果程序很大的话,编译是一间令人很烦的事,编译起...
黑客公布5.5万笔 Twitter 用户帐号及密码

黑客公布5.5万笔 Twitter 用户帐号及密码

Twitter于声明中指出,黑客所公布的使用者账号或密码中,有超过2万笔是重复的,而且含有许多已被该站停权的垃圾账号,还有许多账号与密码是不相符等。上周有黑客透过Pastebin网站公布了逾5.5万笔Twitter用户的账号与密码,但Twitter表示这当中有许多资料是无用的。由于这批使用者名单实在是太长了,因此黑客在Pastebin上必须要分成五篇文章才贴得完。这群黑客宣称来自Anonymous黑客组织,而且已骇进Twitter的服务器。Twitter则...
OpenCV基于局部自适应阈值的图像二值化

OpenCV基于局部自适应阈值的图像二值化

在图像处理应用中二值化操作是一个很常用的处理方式,例如零器件图片的处理、文本图片和验证码图片中字符的提取、车牌识别中的字符分割,以及视频图像中的运动目标检测中的前景分割,等等。较为常用的图像二值化方法有:1)全局固定阈值;2)局部自适应阈值;3)OTSU等。全局固定阈值很容易理解,就是对整幅图像都是用一个统一的阈值来进行二值化;局部自适应阈值则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样做的好处在于每个像素位置处的二值化阈值不是固定不...
OpenCV 基于混合高斯模型GMM的运动目标检测

OpenCV 基于混合高斯模型GMM的运动目标检测

OpenCV的video module中包含了几种较为常用的背景减除方法,其中混合高斯模型(Gaussian of Mixture Models, GMM)方法效果较好。常用的目标检测方法:1)帧间差分;2)背景减除;其中背景减除方法的关键在于建立一个鲁棒的背景模型(背景图像),常用的建立背景模型方法有:1)均值法;2)中值法;3)滑动平均滤波法;4)单高斯;5)混合高斯模型;6)codebook,等。混合高斯模型的原理:每个像素的R、G、B三个通道像素值...
OpenCV_局部图像特征的提取与匹配_源代码

OpenCV_局部图像特征的提取与匹配_源代码

OpenCV的feature2d module中提供了从局部图像特征(Local image feature)的检测、特征向量(feature vector)的提取,到特征匹配的实现。其中的局部图像特征包括了常用的几种局部图像特征检测与描述算子,如FAST、SURF、SIFT、以及ORB。对于高维特征向量之间的匹配,OpenCV主要有两种方式:1)BruteForce穷举法;2)FLANN近似K近邻算法(包含了多种高维特征向量匹配的算法,例如随机森林等)。...
<< 1841 1842 1843 1844 1845 1846 1847 1848 1849 1850 >>