- 博客(22)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 CI模型的加载
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2017-10-27 18:42:10
1119
原创 Nodejs之事件
事件node.js所有的异步I/O操作在完成时候都会发送一个事件到事件队列。在开发者看来，事件由EventEmitter提供。Node.js的事件循环机制Node.js由事件循环开始，到事件循环结束，所有的逻辑都是事件的回调函数。所以Nodejs始终在事件循环中，程序入口是第一个回调函数。
2017-10-21 17:54:12
305
原创 统计学习
基本概念输入空间与输出空间：在监督学习中，将输入输出所有可能取值的集合分表称为输入空间与输出空间；每一个具体的输入是一个实例，通常有特征向量来表示。这时候所有特征向量存在的空间称为特征空间。特征空间的每一维对应于一个特征。监督学习从训练数据(training data)集合中学习模型，对测试数据(test data)进行预测。训练数据由输入和输出组成。模型属于由输入空间到输出空间的映射集合，这个集合
2017-10-21 15:49:41
321
原创 面试知识点
foreach与forforeach循环的效率要高于for； 能单条语句的就不用花括号块Linuxfind . -name “*.c” exec rm -rf {} \;({}与\之间有空格)
2017-10-21 13:29:50
220
原创 linux命令
递归删除find . -name “*.c” -exec rm -rf {} \; //注意{} 和\;之间的空格foreach与for的效率问题 array_merge和array+的区别
2017-10-21 10:57:55
227
原创 机器视觉
机器视觉和如下3个领域密切相关： 1.图像处理：从已有图像产生一张新图像。(噪声抑制、去模糊、边缘增强，产生新图像)； 2.模式分类：一组用来表示物体属性的给定数据。识别一个物体，就是将其归为一类。 3.场景分析：将从图像中获取的简单描述转化成一个更加复杂的描述。相机中胶片的亮度就是辐照强度的函数(对图像亮度的测量还依赖传感器的光谱灵敏度。)图像中某一点的的辐射强度取决于：从该像点所对应的物体
2017-10-19 23:01:56
779
原创 mysql分区分表
分表分表是将一个大表按照一定的规则分解成多张具有独立存储空间的实体表。行锁是加在索引上的，不是加在数据记录上的，如果sql没有用到索引依然会锁表分区表的请求，会通过句柄对象转化成对存储引擎的接口调用，所以分区对于SQL来说是一个完全封装层实现的黑盒子，对应用是透明的。但是底层文件可以看出，每一个分区表都有一个使用#分隔命名的表文件。创建分区表使用Partition by，在执行查询的时候，优化器会根
2017-10-19 22:06:26
450
原创 离散余弦变换
离散余弦变换余弦变换是图像频域变换的一种，实际上是一种空间域的低通滤波器。将图像从色彩域转换到频率域的常用方法还有傅里叶变换和沃尔什变换等。余弦变换也可以看做是傅里叶变换的一种特殊情况。在傅里叶级数展开中，如果被展开的函数是实偶函数，那么其傅里叶级数中只包含余弦项，在将其离散化，由此可以导出余弦变换，或称为离散余弦变换。(DCT)。其与离散傅里叶变换某种程度上类似，但是它只使用实数部分。傅里叶计算的
2017-10-19 09:58:10
2784
原创 Yii2自动加载
index.php中，new yii\web\Application（$config）->run()class yii\web\Application extends \yii\base\Application 在\yii\base\Application构造方法中，Yii::app=this.static::setInstance(app=this. static::setInstance(
2017-10-17 21:46:53
544
原创 直方图
所谓直方图就是对图像中的这些像素点的值进行统计，得到一个整体的灰度概念。好处是可以清晰了解图像的整体灰度分布。一般情况下直方图都是灰度图，x轴是0-255，y轴是每一个灰度级对应的像素点的个数。空间域滤波就是在用各种模板直接与图像进行卷积运算，实现图像的处理，这种方法直接对图像空间操作，操作简单，所以也是空间域滤波。频率域滤波最终也可能是实现和空间域滤波相同的功能，如图像轮廓提取，在空间域使用拉普拉
2017-10-16 11:34:40
520
原创 中值滤波
主要功能是使拥有不同灰度的点看起来更接近它的相邻点。事实上我们使用m*m中值滤波器来去除那些相对于其邻域像素更亮或更暗并且区域小于m2/2的孤立像素族。二维函数二阶微分的实现：这种方法基本上是由定义一个二阶微分的离散公式，然后构造一个基于该公式的滤波器模板组成的。 拉普拉斯图像算子任何周期函数都可以表示为不同频率的正弦余弦之和的形式，每个正弦、余弦项乘以不同的系数(现在称该和为傅里叶级数)。非周期
2017-10-14 13:34:21
620
原创 图像直方图
所谓直方图就是对图像中的这些像素点的值进行统计，得到一个整体的灰度概念。好处是可以清晰了解图像的整体灰度分布。一般情况下直方图都是灰度图，x轴是0-255，y轴是每一个灰度级对应的像素点的个数。空间域滤波就是在用各种模板直接与图像进行卷积运算，实现图像的处理，这种方法直接对图像空间操作，操作简单，所以也是空间域滤波。频率域滤波最终也可能是实现和空间域滤波相同的功能，如图像轮廓提取，在空间域使用拉普拉
2017-10-13 12:14:14
405
原创 傅里叶变换
FFT傅里叶变换保留了正弦波成分的所有信息，但是频谱图保留了频率和振幅的分布。做傅里叶变换更多的是为了对频率进行过滤。对图像进行二维傅里叶变换得到频率图，就是图像梯度的分布图。傅里叶频谱图上我们看到明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度大小，也即该点频率大小。梯度简单来说就是求导，在图像上表现出来就是提取图像的边缘(不管是横向的还是纵向的，斜方向的)，所需要的无非就是一个核模板
2017-10-13 11:51:32
421
原创 霍夫变换
在计算机识别中，常常需要从图像中寻找特定的图形， 需要将图像像素按照一定的算法映射到参数空间。Hough变换提供了一种将图像像素信息按坐标映射到参数空间的方法，通过它构建的参数空间可以容易地对特定形状进行判定。霍夫变换概述：特征提取该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映
2017-10-12 15:31:55
427
原创 Sobel边缘细化
图像细节进行增强；图像的边缘检测处理可以简单理解为提取图像中区域的轮廓。图像中区域的划分以像素灰度为依据，每个区域中的像素灰度大致相同，而区域之间的边界就称为边缘，寻找这些边缘就是图像检测的目的。简单来讲：Sobel边缘检测就是对原来图像进行描边操作。梯度法、Roberts梯度法、Sobel算法和Laplacian算法。1.边缘直观上，边缘是一组相连像素的集合，它们位于两个区域的之间。而从根本上讲，
2017-10-12 11:56:26
1893
原创 拉普拉斯锐化
图像锐化：提供图像的对比度从而使得图像清晰起来，在图像平滑中，为了使得图像模糊，通常采用邻域平均的方法缩小邻域内像素之间的灰度差异。在图像锐化中，提高邻域内像素的灰度差来提高图像的对比度。拉普拉斯锐化原理图像的拉普拉斯锐化是利用拉普拉斯算子对图像进行边缘增强的一种方法，拉普拉斯算子是以图像邻域内像素灰度查分计算为基础，通过二阶微分推导出的一种图像邻域增强算法。基本思想是：当邻域内的中心像素灰度低于它
2017-10-12 11:51:00
2162
原创 文章标题
图像锐化：提供图像的对比度从而使得图像清晰起来，在图像平滑中，为了使得图像模糊，通常采用邻域平均的方法缩小邻域内像素之间的灰度差异。在图像锐化中，提高邻域内像素的灰度差来提高图像的对比度。拉普拉斯锐化原理图像的拉普拉斯锐化是利用拉普拉斯算子对图像进行边缘增强的一种方法，拉普拉斯算子是以图像邻域内像素灰度查分计算为基础，通过二阶微分推导出的一种图像邻域增强算法。基本思想是：当邻域内的中心像素灰度低于它
2017-10-12 11:50:15
368
原创 图像平滑
图像的增强处理就是使其更适合于特定的应用。简单平滑通过邻域简单平均对图像进行平滑处理的方法，用这种方法进行平滑处理可以有在一定程度上消除原图像中的噪声、降低原图像对比度的作用。邻域4邻点 8邻点卷积与模板卷积是一种利用模板做加权求和的过程。 模板是卷积的核心，在图像处理中模板的本质是一组系数因子。卷积处理是通过将邻域内各像素的灰度乘以模板上对应的系数在求和来得到运算结果。图像简单平滑处理图像简单
2017-10-12 10:48:36
3175
原创 图像锐化
图像锐化：提供图像的对比度从而使得图像清晰起来，在图像平滑中，为了使得图像模糊，通常采用邻域平均的方法缩小邻域内像素之间的灰度差异。在图像锐化中，提高邻域内像素的灰度差来提高图像的对比度。拉普拉斯锐化原理图像的拉普拉斯锐化是利用拉普拉斯算子对图像进行边缘增强的一种方法，拉普拉斯算子是以图像邻域内像素灰度查分计算为基础，通过二阶微分推导出的一种图像邻域增强算法。基本思想是：当邻域内的中心像素灰度低于它
2017-10-11 17:03:24
1524
原创 离散时间LTI系统
把一个离散时间信号当做一串单个脉冲来想象。单位冲积函数重要特性之一就是：一般信号可以表示为延迟冲激的线性组合。这个事实再与叠加性和时不变性组合起来就能用LTI的单位冲激响应来完全表征一个LTI系统的特性。在离散时间情况下称为卷积和，在连续时间下称为卷积积分。单位脉冲 : 单位跃阶： 广义函数与普通函数之间存在相互转化这一事实。看做是一些延时脉冲的叠加，也就是n=0时发生 Γ(n)=(n−1)!
2017-10-11 10:32:13
4209
原创 opencv(三)
ptr函数Mat类提供了ptr函数可以得到图像任意行的首地址。ptr是一个模板函数，它返回了第i行的首地址。对于彩色图像，每个图像由3部分构成，蓝色通道、绿色通道和红色通道。因此对于一个包含彩色图像的Mat，会返回一个由3个8位数组成的向量。OpenCV将此类型的向量定义为Vec3b，即由三个uchar组成的向量。image.at<Vec3b>(j,i)[channel]=value;如：outp
2017-10-10 14:36:48
253
原创 傅里叶变换
傅里叶变换是一种变换而已，只是这种变换是从时间转换到频率的变换。连续傅里叶变换其实是傅里叶级数的推广，因为积分是一种极限形式的求和算子而已。任何周期函数都可以表示为不同频率的正弦和或余弦之和，每个正余弦乘以不同的系数。非周期函数(但是该曲线下的面积是有限的)也可以用正弦或余弦乘以加权函数的积分来表示，在这种情况下的公式就是傅里叶变换。用傅里叶级数或变换表示的函数特征完全可以通过傅里叶反变换来重建而不
2017-10-10 10:58:25
469
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人