高通滤波器，对图像进行高通滤波。采用opencv，包含二维理想高通滤波，2阶巴特沃思高通滤波，二维高斯高通滤波，增长率为2二维指数高通滤波-High-pass filters, high pass filter the image. Using opencv, including two-dimensional ideal high-pass filter, 2-order Butterworth high pass filter, two-dimensional Gaussian high p

频域低通滤波（理想低通滤波器、梯形低通滤波器、巴特沃斯低通滤波器、指数低通滤波器），频域高通滤波（理想高通滤波器、梯形高通滤波器、巴特沃斯高通滤波器、指数高通滤波器）-Frequency-domain low-pass filter (ideal low-pass filter, ladder low-pass filter, Butterworth low-pass filter, the index low-pass filter), frequency-domain high-pass f

低通滤波器，对图像滤波。采用opencv。其中包含二维高斯低通滤波器，衰减系数为2的二维指数低通滤波器，2阶巴特沃思低通滤波器，二维理想低通滤波器-Low-pass filter, the image filtering. Using opencv. Which contains two-dimensional Gaussian low-pass filter, the attenuation factor of 2 two-dimensional index of low-pass filte

opencv 写的频率域滤波包含高斯，理想，巴特沃斯低通滤波，-opencv write the frequency domain filtering includes Gaussian, ideal Butterworth low-pass filter,

本次实验来源于opencv自带sample中的例子，该例子是用kalman来完成一个一维的跟踪，即跟踪一个不断变化的角度。在界面中表现为一个点在圆周上匀速跑，然后跟踪该点。看起来跟踪点是个二维的，其实转换成角度就是一维的了。 Kalman滤波理论主要应用在现实世界中个，并不是理想环境。主要是来跟踪的某一个变量的值，跟踪的依据是首先根据系统的运动方程来对该值做预测，比如说我们知道一个物体的运动速度，那么下面时刻它的位置按照道理是可以预测出来的，不过该预测肯定有误差，只能作为跟踪的依据。另一个依