CSDN1HAO的博客

python 反复访问迭代器iter，反复使用nexttest = [1, 2, 3]# 定义迭代器iter_test = iter(test)# 使用for循环访问迭代器# 由于next()只向前走，所以当跌代到test最后一个值3之后，就会爆发异常StopIteration# 这里使用了一个try语句，当报错时，删除该迭代器；重新生成迭代器；这就避免了报错# 相当于next从头开始，先取1， 再取2， 再取3for i in range(5): print(...

python 加载mat文件直接上程序import scipy.io as sciomat_path = './USPS_vs_MNIST.mat'load_mat = scio.loadmat(mat_path)# load_mat为字典类型, <class 'dict'>print(type(load_mat))'''# 访问load_mat即为访问字典X_src = load_mat['X_src']# 这个X_src为numpy类型，<c..

数学中常见的maxmin，min max1、数学中公式(1)与公式(2)含义是不同的 (1) (2) 公式(1)的直接理解，先找出每个班里的身高最高的同学，再由这些同学中挑出身高最低的；同理，公式(2)的直接理解，先找出每个班里的身高最低的同学，再由这些同学中挑出身高最高的；2、实例 假设x定义域为{1.1, 4.2, -3...

转载https://blog.csdn.net/xyz1584172808/article/details/89220906https://blog.csdn.net/batuwuhanpei/article/details/64162331https://www.zhihu.com/question/54356960beam search算法在看论文Sequence to Sequence Learning with neural networks时看到了beam s...

转载：https://www.cnblogs.com/skywang12345/p/3711483.html深度优先搜索1. 深度优先搜索介绍图的深度优先搜索(Depth First Search)，和树的先序遍历比较类似。它的思想：假设初始状态是图中所有顶点均未被访问，则从某个顶点v出发，首先访问该顶点，然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图，直至图中所有和v有路径相通的顶点都被访问到。 若此时尚有其他顶点未被访问到，则另选一个未被访问的顶点作起始点，重...

转载https://www.cnblogs.com/skywang12345/p/3711483.html1. 广度优先搜索介绍广度优先搜索算法(Breadth First Search)，又称为"宽度优先搜索"或"横向优先搜索"，简称BFS。它的思想是：从图中某顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问，直至图中所有已被访问的顶点的邻接点都被访问到。如...

参考：https://www.jb51.net/article/186659.htmmatplotlib plt.lengend图例放在图像的外侧1、图例在图中实例import numpy as npimport matplotlib.pyplot as plt# 定义x,yX = np.linspace(0, 2*np.pi, 32, endpoint=True)C = np.cos(X)# figure的名称plt.figure('demon plot')#..

https://www.cnblogs.com/lfri/p/12248629.htmlmatplotlib plt.scatter作用：画散点图plt.scatter()参数如下： x,y X和Y是长度相同的数组 s size,点的大小，标量或与数据长度相同的数组 c color,点的颜色，标量或与数据长度相同的数组 marker...

参考文档 https://www.cnblogs.com/lfri/p/12248629.html官方文档 https://matplotlib.org/api/_as_gen/matplotlib.pyplot.legend.htmlmatplotlib plt.lengend作用：用于给图像加图例。1、语法参数如下: matplotlib.pyplot.legend(*args, **kwargs)2、参数 keyword ...

实例1import matplotlib.pyplot as plta = [1, 2, 3, 4] # y 是 a的值，x是各个元素的索引b = [5, 6, 7, 8]plt.figure('demon plot')plt.plot(a, b, 'r--', label = 'aa')plt.xlabel('this is x')plt.ylabel('this is y')plt.title('this is a demo')plt.legend(loc='upper lef

matplotlib plt.subplot用于在一个Figure对象里画多个子图(Axes)。其调用格式：subplot(numRows, numCols, plotNum)，即（行、列、序号）。图表的整个绘图区域被分成numRows行和numCols列，plotNum参数指定创建的Axes对象所在的区域（左上角序号为1）如果行数、列数和序号都是个位数可以简写成一个整数，否则需要用逗号隔开。实例1import numpy as npimport matplotlib..

matplotlib colormatplotlib中color可用的颜色：cnames = {'aliceblue': '#F0F8FF','antiquewhite': '#FAEBD7','aqua': '#00FFFF','aquamarine': '#7FFFD4','azure': '#F0FFFF','beige':...

https://matplotlib.org/api/markers_api.htmlmatplotlib markers所有可能的markers定义如下: marker symbol description "." point "," pixel "o" ...

说明：Fashion_MNIST直接离线加载二进制文件到pytorch'''将4个gz直接加载到pytoch用来训练 t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz'''import osimport numpy as npimport gzipimport matplotlib.pyplot

说明：MNIST直接离线加载二进制文件到pytorch'''直接以下4个文件读入数据到pytorch中 t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz'''import osimport numpy as npimport gzipimport torch.utils.data as .

说明：直接加载cifar100二进制文件到Pytorch'''直接加载文件到pytorch meta test train'''import osimport cv2import pickleimport timeimport numpy as npimport matplotlib.pyplot as pltimport torchvisionfrom torch.autograd import Variableimport torch.u.

说明直接离线加载cifar10到Pytorch'''直接加载6个文件到pytorch data_batch_1 data_batch_2 data_batch_3 data_batch_4 data_batch_5 test_batch'''import osimport cv2import pickleimport numpy as npimport matplotlib.pyplot as pltimport torch...

转载于https://blog.csdn.net/qq_42901761/article/details/104206799这位大神ffffatgoose总结的很好

参考HMM：https://blog.csdn.net/sinat_25346307/article/details/79119366Viterbi算法：https://blog.csdn.net/shenxiaoming77/article/details/79228378一、HMM定义 以词性标注为例说明图1 词性标注任务1、问题：如图1所示，已知x，求x的词性标注y。 该问题转化为数学语言即为：在已知x的条件下计算得y的最大概率，如公式(1)所示 ...

目录一、RNN简介二、RNN简介2三、pytorch RNN3.1 定义RNN()3.2 定义好RNN()后参数，这里不明白，可先看下面实例，再回头看此项：3.3 计算公式3.4 实例：一、RNN简介、、为输入值(通常为词向量)，​​​​​​​、​​​​​​​、​​​​​​​为输出的预测值，​​​​​​​、​​​​​​​、​​​​​​​为隐藏层输出，W、U、V分别为3个权重向量。可以看出同一层每个RNN的权重W、U、V是共享的，也即为同一...

pytorch GRU一、GRU简介图中的和分别表示更新门和重置门。更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多。重置门控制前一状态有多少信息被写入到当前的候选集上，重置门越小，前一状态的信息被写入的越少。具体计算公式二、GRU简介2可以将GRU看成一个基本的神经单元；每个GRU单元输入为、，输出为、；具体见下图：三、pytorch GRU3.1 定义GRU ()torch.nn....

1、 Python--ListNumpy--Arraylist = [[1, 2, 4, 8], [0.1, 0.4, 0.9, 0.8]]list_np = np.array(list)print('list_np的维度:',list_np.shape)print('list_np的类型:',type(list_np))运行结果：2、Python--List Pytorch--Tensortest = [[1, 2, 4, 8], [0.1, 0.4,...

目录1、加载已训练好的词嵌入2、是否需要重新训练词嵌入3、不重新训练词嵌入时优化器设置Pytorch自带Embedding模块，可以方便使用self.embed = nn.Embedding(vocab_size, embedding_dim)1、加载已训练好的词嵌入词向量其实是模型的embedding层的权重，下面实现加载已训练好的embedding：self.embed = nn.Embedding(vocab_size, embedding_dim)pret.

torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2, scale_grad_by_freq=False, sparse=False)参数所表示的含义： num_embeddings (int) ：嵌入字典的大小 ...

#导入相应的包import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optimtorch.manual_seed(1)#准备数据的阶段def prepare_sequence(seq, to_ix): idxs = [to_ix[w] for w in seq] return torch.tensor(idxs, dtype=torch.long)#.

pytorch LSTM1初识一、LSTM简介1LSTM整体图：1）遗忘门，决定是否丢弃或丢弃多少Cell中所存的之前的信息（也即Ct-1中）。sigmoid输出0到1之间的数字，数值的大小操作决定多少信息可以传送过去；当为0时，不传送；当为1时，全部传送。计算公式：...

直接上python代码：# -*- coding: utf-8 -*-import matplotlib.pyplot as pltnames = ['GFK', 'SA', 'DA-NBNN', 'DLID', 'DaNN', 'Ours']x = range(len(names))y_1 = [0.464, 0.45, 0.528, 0.519, 0.536, 0.841]y...

截取自PyTorch官方教程中文版，这书好像是拼接的，没有页码。其中一个版本地址：http://www.pytorch123.com/SecondSection/what_is_pytorch/，好像没有我下载的这本全保存和加载模型 当保存和加载模型时，需要熟悉三个核心功能： torch.save ：将序列化对象保存到磁盘。此函数使用Python的 pickle 模块进行序列化。使用此函数可以保存如模型、tensor、 ...

1 pytorch的版本：2 数据下载地址：<https://download.pytorch.org/tutorial/hymenoptera_data.zip>3 原始版本代码下载：https://pytorch.org/tutorials/_downloads/transfer_learning_tutorial.py4 直接上代码：...

Pytorch加载的预训练模型参数为.pth文件，这里使用提前下载好的’ resnet18-5c106cde.pth’ 下载地址：https://download.pytorch.org/models/resnet18-5c106cde.pth本文是为作者解决如下error：在加载Pytorch加载的预训练模型参数时使用了如下代码段：pretrained_dict ...

1. 图片加载、显示和保存2. 图像显示窗口创建与销毁3. 图片宽、高、通道数获取4. 图像像素数目和图像数据类型的获取5. 生成指定大小的空图像, 生成指定大小的空图像6. 访问和操作图像像素7. 图像三通道分离和合并8. 抓取摄像头1. 图片加载、显示和保存import cv2# 生成图片img = cv2.imread(r'C:\Users\De...

# -*- coding: utf-8 -*-import cv2import numpy as npimport osimg_path = 'C:/Users/Downloads/fashion_28_28/train-images-idx3-ubyte/train-images-idx3-ubyte'label_path = 'C:/Users/Downloads/fash...

pyOpenCV中的坐标系统，以图片左上角为原点（0,0），水平方向为x轴（也既图像的宽度width），竖直方向为y轴（也既图像的高度height），如下图所示：#图像中先输入高度m，对应坐标轴y；在输入宽度，对应坐标轴x#坐标轴顶点为左上角，x轴正方向水平向右；y轴正方向垂直向下#因此在图像上画线时顶点坐标应为(m, n)=(y, x)...

1 矩阵转置T，也既2维数组2 多维数组轴变换transpose()函数，参数为该数组所有轴，对所有轴同时进行对换，3 swapaxes()函数接受的参数是一对轴编号1 矩阵转置T，既线性代数中矩阵转置示例程序如下：import numpy as npa = np.arange(0,24,2).reshape(3, 4)print('*****a****')...

一 Qt安装 1.1 下载网址：http://download.qt.io/archive/qt/ 这里选择 1.2 安装Qt 安装路径可以自己更改，然后点下一步 可以根据自己的VS版本自己选择，我们这里选MSVC-2017 64-bit...

一 CUDA 安装 1.1 CUDA下载 网址：https://developer.nvidia.com/cuda-toolkit-archive可以根据需要下载不同版本的CUDA安装包。1.2 CUDA安装 1.2.1双击下载的.exe文件安装 1.2.2 点击‘OK’1.2.3 上一步解压完成后，会自动跳到下图，点击‘...

背包问题模型，背包问题是一类整数规划问题，叙述如下：设有n件物品，并且第i件物品的重量为，其价值为，而背包能承受的总重量是，问应如何选择这些物品，才可以使背包中所装物品的价值最大？背包问题的数学描述： 以下题为例进行说明： 背包的问题数据表如下： i 1 ...

Bp算法实际是输出的误差函数对每一个参数求导，输出层可以直接求出，非输出层则有链式法则求导。这里以上图5层神经网络为例进行说明。一 符号说明： 1)这里使用激活函数为sigmoid函数： ...

这里使用Dijkstra(戴克斯特拉)算法，该算法起始点实际计算出到任一点的距离，计算两城市间的距离实际是一个副产物，所有一下图为例来说明，该图为无向图，顶点间所标数字即为两点之间的距离。问题：求点D到点A的距离。初始状态： 集合S中 D(0)：D到D的距...

clear all;clc;close all;%最短路径代码，输入：起点+空格+终点（大写字母，如:A F）% 输出最短路径值d 最短路径路线% W为一个对称矩阵，如果不能直接到达距离为inf% 本例中A到B距离为12; A到F距离为0; B到C距离为10;% C到D距离为3; C到E距离为5; C到F距离为6; D到E距离为4; E到F距离为2;W=[ 0 ...

import ospath = 'C:\\Users\\Desktop\\test'str =os.listdir(path)print(str)运行结果：1、2为文件夹，123.txt为文件

import os#判断文件夹是否存在dir = os.path.exists('C:\\Users\\Desktop')print('dir:', dir)#判断文件是否存在file = os.path.exists('C:\\Users\\Desktop\\雍正王朝.txt')print('file:', file)运行结果显示该文件及文件夹都存在...

% 字符串处理a='  a';b='b  b';c='cccc';m=''% 获取字符串长度length(a)    % 连接两个字符串,每个字符串最右边的空格被裁切d=strcat(a,c) length(d)% 连接多行字符串,每行长度可不等，自动把非最长字符串最右边补空格% 使与最长字符串相等，会忽略空字符串e=strvcat(a,b,m)size(e)% char连接，...

命令窗口直接输出，MATLAB的默认格式是精确到小数点后4位。如果一个数太大或太小，那么将会以科学记数法的形式显示。比如：format  stytle改变默认输出格式要用到format命令，可根据下表改变数据的输出格式显示数值格式 Stytle 解释 示例 short (default) 默认...

命令窗口直接输出，MATLAB的默认格式是精确到小数点后4位。如果一个数太大或太小，那么将会以科学记数法的形式显示。比如：format  stytle改变默认输出格式要用到format命令，可根据下表改变数据的输出格式显示数值格式 Stytle 解释 示例 short (default) 默认...

（1）tf.Session()         计算图构造完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象。示例程序：#coding:utf-8 import tensorflow as tf #构造图 a = tf.constant(4) b = tf.constant(5) c = a+b#启动图 with tf.Sessio...

（1）tf.Session()         计算图构造完成后, 才能启动图. 启动图的第一步是创建一个 Session 对象。示例程序：#coding:utf-8 import tensorflow as tf #构造图 a = tf.constant(4) b = tf.constant(5) c = a+b#启动图 with tf.Sessio...

1用pdf shaper将pdf转为图片;2用matlab程序去水印代码如下;3将去除水印的图片通过pdf shaper转为pdf. 1_1.jpg为要去除水印pdf文档2_1.jpg为空的pdf文档test_1.jpg为去除水印的图片img_1 = imread('1_1.jpg');img_2 = imread('2_1.jpg');img_3 = img_...

  rgb2gray是matlab内部一种处理图像的函数，通过消除图像色调和饱和度信息同时保留亮度实现将将RGB图像或彩色图转换为灰度图像，即灰度化处理的功能，调用这个功能的格式是I = rgb2gray(RGB)，意思是将真彩色图像RGB转换为灰度强度图像I 。   灰度化处理有多种处理方式：分量法 最大法 平均法 加权平均法。这里，Matlab的rgb2gray函数采用的是对R、G、B分量进行...

一、向量的范数    首先定义一个向量为：a=[-5，6，8, -10]1.1 向量的1范数    向量的1范数即：向量的各个元素的绝对值之和，上述向量a的1范数结果就是：29，MATLAB代码实现为：norm（a，1）；1.2 向量的2范数       向量的2范数即：向量的每个元素的平方和再开平方根，上述a的2范数结果就是：15，MATLAB代码实现为：norm（a，2）；...

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())src：输入图像。minVal：最小值，可輸入NULL表示不需要。maxVal ：最大值，可輸入NULL表示不需要。minLoc：最小...

注意：这里只是推出LOG与DOG的关系1）高斯函数：                            （1）2）DOG（Difference Of Gaussian）    DoG算子是LoG算子的近似，做法是求取不同sigma方差下的高斯滤波图像的差，这导致DoG图像有负数产生，因此实际操作时要把原图像素值设为有符号数。对高斯函数即式（1）求σ偏导。不妨令：    ...

imwrite(const string&amp; filename, InputArray img, const vector&lt;int&gt;&amp;       params=vector&lt;int&gt;() )1、filename:需要写入的文件名，会自己创建（像imwrite("1.jpeg",src);这样）2、img:要保存的图像3、params:表示为特定格...

log 日志级别设置import osos.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 这是默认的显示等级，显示所有信息os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Erroros.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error ...

OpenCV显示中文汉字，未使用CvxText和FreeType库采用windows的GDI显示系统的TrueType字体，没有封装，就两个函数，分成了h和cpp文件，可以自己编辑文件名和函数名，亦可以直接将cpp的代码复制到你需要的程序中。putText.h putText.cpp 演示文件putText.h后面的cpp文件有一些简要说明。#ifndef PUTTEXT_H...

tf.app.flags和tf.app.run的使用tf.app.flags主要用于处理命令行参数的解析工作，其实可以理解为一个封装好了的argparse包（argparse是一种结构化的数据存储格式，类似于Json、XML）。 我们通过tf.app.flags来调用这个flags.py文件，这样我们就可以用flags.DEFINE_interger/float()来添加命令行参数，而...

if exist('abc.doc','file')==0   error(display('文件不存在'));end判断当前目录中是否存在x文件夹，若不存在则创建if exist('x','dir')==0   mkdir('x');end 

OpenCV中circle与rectangle函数显示，只不过rectangle在图像中画矩形，circle在图像中画圆。  void circle(Mat img, Point center, int radius, Scalar color, int thickness=1, int lineType=8, int shift=0)img为源图像center为画圆的圆心...

     B = reshape(A,m,n)  将矩阵A的元素返回到一个m×n的矩阵B。如果A中没有m×n个元素则返回一个错误。        B = reshape(A,m,n,p,...) or B =reshape(A,[m n p ...]) 把A中元素进行重塑成m×n×p×…的矩阵，特别地，指定的维数m×n×p×…的积必须与prod(size(A))相同。        B = r...

 Ostu方法又名最大类间差方法，通过统计整个图像的直方图特性来实现全局阈值T的自动选取，其算法步骤为：1) 先计算图像的直方图，即将图像所有的像素点按照0~255共256个bin，统计落在每个bin的像素点数量2) 归一化直方图，也即将每个bin中像素点数量除以总的像素点3) i表示分类的阈值，也即一个灰度级，从0开始迭代4) 通过归一化的直方图，统计0~i 灰度级的像素(假...

   雅克比（Jacobian matrix）矩阵：目标函数f为一个函数向量，f=(f1(x),f2(x),…fm(x))T，自变量x=(x1,x2,…,xn)T；函数向量f对x求梯度，结果为一个矩阵；行数为f的维数；列数位x的维度，称之为Jacobian矩阵。如下所示：     汉森矩阵(Hessian matrix或Hessian，又译作海森矩阵、海瑟矩阵、海塞矩阵、黑塞矩阵)是一...

imhist()函数显示图像直方图要求图像是二维的灰度图像。1.h = imhist（I）:直接显示灰度图像I的直方图2.h = imhist(I,b):b是用来形成直方图的‘容器’的数目,默认256。3.h = imhist(X,map):显示索引图像的直方图，此直方图显示颜色映射图上色条上方的像素值分布4.[counts，x] = imhist（I）：count为每一级灰度像素...

B = impyramid（I, direction）direction 可取‘reduce’或‘expand’，表示图像的宽度与高度缩小为原来的1/2与变大为原来的2倍

matlab 图像中图像坐标系与plot、 imrotate坐标系的区别 图像坐标系是以图像左上角为原点，访问图像像素点img（m，n），如下图所示： plot的坐标系，以图像左上角为原点，在图像中划线时，plot（x，y），如下图所示：        图像旋转时，有时候需要求图像中两点间的斜率，求斜率坐标系依然以图像左上角为原点，如下图所示  示例...

                                                            基于图像灰度的模板匹配           设模板图像T（m*n），待匹配图像I（M*N），两幅图像的原点都在左上角，这里有（m&lt;M，n&lt;N）。模板匹配的基本原理很简单：模板图像T叠放在待搜寻的图像I上，模板覆盖被搜索图的那块区域叫子图Iij（i，j为子图左上角在...

一、引用作为函数参数作为函数参数时引用有两种原因：1、在函数内部会对此参数进行修改；2、提高函数调用和运行效率。    关于第一点，都知道C++里提到函数就会提到形参和实参。如果函数的参数实质就是形参，不过这个形参的作用域只是在函数体内部，也就是说实参和形参是两个不同的东西，要想形参代替实参，肯定有一个值的传递。函数调用时，值的传递机制是通过“形参=实参”来对形参赋值达到传值目的，产生了一...

      内存泄露是指你的应用使用资源之后没有及时释放，导致应用内存中持有了不需要的资源，这是一种状态描述。     内存溢出是指你的应用的内存已经不能满足正常使用了，堆栈已经达到系统设置的最大值，进而导致崩溃，这事一种结果描述。...

    C++中一般创建对象，拷贝或赋值的方式有构造函数，拷贝构造函数，赋值函数这三种方法。下面就详细比较下三者之间的区别以及它们的具体实现1.构造函数构造函数是一种特殊的类成员函数，是当创建一个类的对象时，它被调用来对类的数据成员进行初始化和分配内存。（构造函数的命名必须和类名完全相同）首先说一下一个C++的空类，编译器会加入哪些默认的成员函数·默认构造函数和拷贝构造函数·析...

C++ STL中最基本以及最常用的类或容器无非就是以下几个：string vector set list map下面就依次介绍它们，并给出一些最常见的最实用的使用方法，做到快速入门。string首先看看我们C语言一般怎么使用字符串的char* s1 = "Hello SYSU!"; //创建指针指向字符串常量，这段字符串我们是不能修改的 //想要创建 可以修改的字...

[L,num] = bwlabel(BW,n)这里num返回的就是BW中连通区域的个数。返回一个和BW大小相同的L矩阵，包含了标记了BW中每个连通区域的类别标签，这些标签的值为1、2、num（连通区域的个数）。n的值为4或8，表示是按4连通寻找区域，还是8连通寻找，默认为8。    通俗的说，这个函数的作用是用来找这个二值图像中的连通区域的，对于不同的符合条件的连通区域（4连通，8连通）分...

BW2 = imfill(BW)作用填充二值图像BW中的空洞 clear all; clc; close all;img = imread('test1.png');if ndims(img)==3    img = rgb2gray(img);endimg_bw = im2bw(img);img_fill = imfill(img_bw, 'holes');...

stats = regionprops(L,properties)返回的stats为一个结构体struct测量标注矩阵L中每一个标注区域的一系列属性。L中不同的正整数元素对应不同的区域，例如：L中等于整数1的元素对应区域1；L中等于整数2的元素对应区域2；以此类推。返回值STATS是一个长度为max(L(:))的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量。propertie...

K = isa(obj, 'class_name')  判断obj是否为class_name类型。如果是，返回逻辑1（真）；如果不是，返回逻辑0（假）。参量obj是一个MATLAB对象或者Java对象。参量class_name是MATLAB（预定义的或用户定义的）对象或Java对象。预定义的MATLAB对象包括如下类型：logical                   逻辑数组char   ...

（1）常见边缘检测算子：Roberts 、Sobel 、Prewitt、Laplacian、Log/Marr、Canny、Kirsch、Nevitia （2） 其中一阶边缘算子：Roberts 、Sobel 、Prewitt、Kirsch。         其中二阶边缘算子：Laplacian、Log/Marr、Canny （3）Roberts算子 算法：遍历整幅图...

1傅里叶变换物理意义图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅里叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅里叶变换就表示f的频谱。从纯粹的数学意义上看，傅里叶变换是将一个函数转换为一...

#include &lt;vtkSmartPointer.h&gt;#include &lt;vtkConeSource.h&gt;#include &lt;vtkPolyData.h&gt;#include &lt;vtkPolyDataMapper.h&gt;#include &lt;vtkImageData.h&gt;#include &lt;vtkActor.h&gt...

#include &lt;vtkSmartPointer.h&gt;#include &lt;vtkImageExtractComponents.h&gt;#include &lt;vtkImageLuminance.h&gt;#include &lt;vtkImageMathematics.h&gt;#include &lt;vtkImageLogic.h&gt;#incl...

#include &lt;vtkSmartPointer.h&gt;#include &lt;vtkImageExtractComponents.h&gt;#include &lt;vtkImageLuminance.h&gt;#include &lt;vtkImageMathematics.h&gt;#include &lt;vtkImageThreshold.h&gt;#...

#include &lt;vtkSmartPointer.h&gt;#include &lt;vtkImageMathematics.h&gt;#include &lt;vtkImageThreshold.h&gt;#include &lt;vtkPNGReader.h&gt;#include &lt;vtkImageViewer2.h&gt;#include &lt;vtk...

#include &lt;vtkSmartPointer.h&gt;#include &lt;vtkJPEGReader.h&gt;#include &lt;vtkImageLuminance.h&gt;#include &lt;vtkImageCast.h&gt;#include &lt;vtkImageData.h&gt;#include &lt;vtkImageConvo...