首页
学习
活动
专区
工具
TVP
发布

算法+

专栏作者
58
文章
149619
阅读量
58
订阅数
一种简单高效的音频降噪算法示例(附完整C代码)
<<语音增强-理论与实践>> 中提及到基于对数的最小均方误差的降噪算法,也就是LogMMSE.
cpuimage
2019-05-02
4.9K1
音乐旋律提取算法 附可执行demo
https://github.com/cpuimage/AudioFingerprinter
cpuimage
2018-10-06
5.7K3
经典傅里叶算法小集合 附完整c代码
前面写过关于傅里叶算法的应用例子。 《基于傅里叶变换的音频重采样算法 (附完整c代码)》 当然也就是举个例子,主要是学习傅里叶变换。 这个重采样思路还有点瑕疵, 稍微改一下,就可以支持多通道,以及提升性能。 当然思路很简单,就是切分,合并。 留个作业哈。 本文不讲过多的算法思路,傅里叶变换的各种变种, 绝大多数是为提升性能,支持任意长度而作。 当然各有所长, 当时提到参阅整理的算法: https://github.com/cpuimage/StockhamFFT https://github.com/cpu
cpuimage
2018-08-09
9040
MP3 编码解码 附完整c代码
图像方面,已经有stb_image,spot,freeimage等编解码库系列,做得特别赞。
cpuimage
2018-08-05
2K0
修改ncnn的openmp异步处理方法 附C++样例代码
ncnn刚发布不久,博主在ios下尝试编译。 遇上了openmp的编译问题。 寻找各种解决方案无果,亲自操刀。 采用std::thread 替换 openmp。 ncnn项目地址: https://github.com/Tencent/ncnn 后来询问ncnn的作者才知道在ios下的编译方法。 至此,当时的临时方案 采用std::thread 替换 openmp。 想想也许在一些特定情况下还是比较适用的,当前方便两者之间进行切换验证。 抽空写了一个示例项目。 项目地址: https://github.co
cpuimage
2018-04-12
2K0
快速双边滤波 附完整C代码
很早之前写过《双边滤波算法的简易实现bilateralFilter》。 当时学习参考的代码来自cuda的样例。 相关代码可以参阅: https://github.com/johng12/cudaSamples/tree/master/cudaSamples/3_Imaging/bilateralFilter 由于算法逻辑非常清晰,就不多解释了。 需要补课的,请移步《o(1)复杂度之双边滤波算法的原理、流程、实现及效果。》 代码见:bilateralFilter_cpu.cpp 文件。 #include <m
cpuimage
2018-04-12
4.6K0
集 降噪 美颜 虚化 增强 为一体的极速图像润色算法 附Demo程序
在2015年8月份的时候,决心学习图像算法。 几乎把当时市面上的图像算法相关书籍都看了一遍, 资金有限,采取淘宝买二手书,长期驻留深圳图书馆的做法, 进度总是很慢,学习算法不得其法。 虽然把手上所有书籍都看完了,有那么一点点头绪, 但是感觉没有任何实战经验,或者说实际的产出。 那时候恰巧看到ImageShop的一篇文章,《一种具有细节保留功能的磨皮算法。》 羡慕至极,在此情况下,鉴于本人安全出身,逆向功底还算扎实。 对这个算法进行了,长达1个月的逆向工作。 当然其实更多时间,还是对算法流程的理解上花的较多。
cpuimage
2018-04-12
3K0
分享用于学习C++图像处理的代码示例
为了便于学习图像处理并研究图像算法, 俺写了一个适合初学者学习的小小框架。 麻雀虽小五脏俱全。 采用Decoder:stb_image https://github.com/nothings/stb/blob/master/stb_image.h 采用Encoder:tiny_jpeg https://github.com/serge-rgb/TinyJPEG/blob/master/tiny_jpeg.h stb_image.h用于解析图片格式:  JPG, PNG, TGA, BMP, PSD, GIF
cpuimage
2018-04-12
1.9K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档