qq_41684334的博客

假设采样频率为Fs，采样点数为N，做FFT之后，某一点n（n从1开始）表示的频率为：Fn=(n-1)*Fs/N；该点的模值除以N/2就是对应该频率下的信号的幅度（对于直流信号是除以N）；该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值，范围从-pi到pi。要精确到xHz，则需要采样长度为1/x秒的信号，并做FFT。要提高频率分辨率，就需要增加采样点数，这在一些实际的应用中是不现实的，需要在较短的时间内完成分析。

上传一个我写的数字全息软件，用Matlab6.5 GUIDE 做的 这个软件可以用来做数字全息图的预处理、全息再现、相位滤波、相位去包裹 可以应用于数字全息三维形貌测量、微小位移或形变测量 附件里dh文件夹中是图形界面的m文件和fig文件，prog文件夹是一些算法的m文件，被dh里的界面程序调用，image里面是几张全息实验的原始数据。 不排除程序有bug，如果有谁发现了通知我一下，谢了 希望从事数字全息研究的如果有兴趣可以扩充一下这个软件功能，改进完善一下。

基于模型跟踪的方法就是获取目标的先验知识，建立低价参数模型，对输入的每一帧图象通过滑动窗口进行模型匹配，实现人脸识别与跟踪。常见的跟踪模型有:肤色模型、椭圆模型、纹理模型及双眼模板等。 基于肤色模型的跟踪方法就是利用恰当的表色系统，把肤色作为实现人脸跟踪的关键信息。由于肤色信息具有对放大和缩小以及对微小变形不敏感的优点，加上人脸相对镜头的变化对肤色信息本身的影响不大，该类方法很容易在前一帧图象分析结果的基础上跟踪到后一帧图象的人脸区域，因此具有速度快、姿态不变性等特点。目前的人脸跟踪技术大都采用基于肤色模型的方法。

人脸识别的英文名称是 Human Face Recognition.人脸识别产品利用AVS03A图像处理器；可以对人脸明暗侦测,自动调整动态曝光补偿，人脸追踪侦测,自动调整影像放大。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。[1] 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

基于zemax的双凸透镜的设计,也可以用tracpro打开,文件可用

MATLAB的盲区卷积代码，可进行逆滤波图像复原。经测试效果较好

反褶积是通过压缩地震记录中的基本地震子波，压制交混回响和短周期多次波，从而提高时间分辨率，再现地下地层的反射系数。反褶积通常应用于叠前资料，也可广泛用于叠后资料。 理想的反褶积应该压缩子波并消除多次波，在地震地道内只留下地层反射系数。子波压缩可以通过将反滤波器作为反褶积算子来实现，它与地震子波做褶积时，反滤波器可以将地震子波转变成尖脉冲。当应用于地震合成记录时，反滤波输出应为地层脉冲响应，精确的反滤波器设计可用最小平方模型来实现。 反褶积处理的基本假设是震源子波为最小相位